基于类心间距的模糊带负类样本的支持向量数据描述方法

摘要

本发明提供一种基于类心间距的模糊带负类样本的支持向量数据描述方法，首先提供训练测试所需要的数据集，通过计算本类的所有样本的均值来得到本类的中心点；接着计算样本到另一类类中心的二范式距离，并计算样本到本类的类中心的二范式距离，求得这两个距离的比值得到该样本的分类能力值；然后利用每个样本的分类能力值，能够得到对应的模糊隶属度，添加模糊隶属度项到两类支持向量数据描述的目标函数，重构该目标函数能够得到本发明的算法目标函数；再次利用拉格朗日对偶形式对该目标函数求解得到二次规划形式函数，求解得到分类边界的圆心；最后对测试样本进行分类，得到分类精确度。相较于传统的支持向量数据描述算法，本发明的基于类心距离的模糊支持向量数据描述方法通过利用样本到另一类中心的二范式距离和到本类中心的二范式距离的比值能够得到该样本的分类能力值，通过添加模糊隶属度来区分不同样本的贡献度，强调边界样本的重要性，提高了分类准确性。

主权项

基于类心间距的模糊带负类样本的支持向量数据描述方法，其特征在于：包括如下步骤：首先提供训练测试所需要的数据集，通过计算本类的所有样本的均值来得到本类的中心点；接着计算样本到另一类类中心的二范式距离，并计算样本到本类的类中心的二范式距离，求得这两个距离的比值得到该样本的分类能力值；然后利用每个样本的分类能力值，能够得到对应的模糊隶属度，添加模糊隶属度项到两类支持向量数据描述的目标函数，重构该目标函数能够得到本发明的算法目标函数；再次利用拉格朗日对偶形式对该目标函数求解得到二次规划形式函数，求解得到分类边界的圆心；最后对测试样本进行分类，得到分类精确度。