SVDD和OCSVM的比较

最新推荐文章于 2025-07-04 13:32:38 发布
最新推荐文章于 2025-07-04 13:32:38 发布
阅读量1.9w 收藏 36
点赞数 4
CC 4.0 BY-SA版权
分类专栏： 算法学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_33880788/article/details/79550723
本文介绍了OCSVM（单类支持向量机）和SVDD（支持向量数据描述）两种单分类方法。OCSVM通过核函数找到最优超平面，最大化目标样本与原点的间隔；而SVDD寻找最小超球体以包含目标样本。两者在高斯核下表现相似，但OCSVM有标准化约束，SVDD则最小化超球体体积。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

    OCSVM（one class support vector machine）即单类支持向量机，最先提出的文献为：Estimating the support of a high-dimensional distribution.  该模型 将数据样本通过核函数映射到高维特征空间，使其具有更良好的聚集性，在特征空间中求解一个最优超平面实现目标数据与坐标原点的最大分离，如图1：

坐标原点被假设为唯一的一个异常样本，最优超平面与坐标原点最大距离为, 并允许少部分样本在坐标原点与分界面之间，与分类超平面的距离为

最低0.47元/天 解锁文章

200万优质内容无限畅学
基于VAE-SVDD的ADS-B异常数据检测模型
scu-liu的博客
11-22 1794
paper：ADS-B anomaly data detection model based on VAE-SVDD 一、摘要 ADS-B（Automatic Dependent surveillance Broadcast）作为新一代空中交通监控系统的关键技术，由于缺乏数据完整性和认证机制，容易受到网络安全挑战。为了准确地检测ADS-B数据攻击，提出了一种充分考虑ADS-B数据时间相关性和分布特征的异常检测模型。首先，利用变分自动编码器（VAE）对ADS-B数据进行重构，得到重构值。然后，为了解决异常检测
OneClassSVM与SVDD异常检测的学习初步记录（1）
weixin_41068770的博客
03-05 4545
1. 异常值检测和新颖点检测 异常值检测和新颖值检测的最大差异在于，异常值检测训练集主要为正常类型样本，但包含异常值数据（不均衡），但是新颖值检测中，训练集仅为正常样本。outlier detection和novelty detection这两个概念。对于前者即异常检测，训练样本中含有异常样本，根据需要通过阈值nu来设定异常比例；而对于后者，训练样本中一般不含有异常样本，即通过训练正常样本...
One Class SVM, SVDD（Support Vector Domain Description）(转)
weixin_33911824的博客
07-19 843
今天给大家介绍一下one class classification以及用SVDD（support vector domain description）做one class classification。最近接触了一下one class classification，挺有意思的，和多类classification的思路还是有很大差别，比较长姿势~ 我们知道，classification问题一般都是...
快速实现SVDD：FastSVDD详解与应用
最新发布
weixin_36464343的博客
07-04 728
SVDD（Support Vector Data Description）是一种单类支持向量机，用于描述数据集的边界。算法的核心思想是找到一个最小体积的超球体，能够包含所有正常数据点。该超球体的中心和半径由支持向量决定，使得球体尽可能紧凑，最大化包含数据集的同时排除异常值。核函数在SVDD算法中用于计算高维空间中的点积，常用的核函数包括线性核、多项式核、径向基函数（RBF）核和sigmoid核等。选择合适的核函数可以显著提高算法对数据特征的捕捉能力。% 示例代码：使用不同的核函数。
oneclassSVM ，SVDD
csdn_lzw的博客
02-07 3589
今天给大家介绍一下one class classification以及用SVDD（support vector domain description）做one class classification。最近接触了一下one class classification，挺有意思的，和多类classification的思路还是有很大差别，比较长姿势~ 我们知道，classification问
SVM分类器（SVDD）
10-24
SVDD经典paper，内含SVDD的经典定义与相关证明
异常检测 - OCSVM与混合高斯分布
围城
09-24 2077
20200924 - 0. 引言 前面的文章《孤立森林的简要记录》中描述了孤立森林的简单原理，而且之前也简单测试过这种方法的性能，只不过最终没有得到非常好的效果。本篇文章中记录一下另外两种方法。 一般来说，异常检测是一种无监督的学习方法，当然也可以转化为监督学习，但是我个人感觉转化的方式不好，原因主要是你需要将异常进行标记，但是异常应该很难标记，特别是数量比较少的情况下。所以本文记录两种无监督的方法：一类SVM和混合高斯分布。 1. OCSVM（一类SVM） 1.1 基本原理 关于具体原理部分可以参考文章[
ocsvm svdd
11-12
SVDD（Support Vector Data Description）同样是一种用于异常检测的算法，但其设计思想和实现方式略有不同。 OC-SVM通过寻找一个超平面，将数据空间分为两个部分：一个包含大部分数据点的正常区域和一个包含少数...
基于信息理论学习的SVDD选择性集成
03-07
在单类分类方法中，最常用的两种算法是基于支持向量机的一类支持向量机（One-Class Support Vector Machine, OCSVM）和本文研究的焦点SVDD。 OCSVM通过使用某种核函数，将正常数据映射到一个高维特征空间中，以获得...
Pyod异常检测
未央的博客
10-14 7679
线性模型 原理 1、通过降维，将数据映射到低维特征空间，然后在特征空间不同维度上查看每个数据点跟其它数据的偏差； 2、通过降维，将数据映射到低维特征空间，再从低维特征空间映射回原空间，将重构的数据与原有数据做比较，观察重构误差。 ...
svdd工具箱
11-04
matlab自带的svdd工具箱，需要安装prtools工具箱一起用
支持向量数据描述算法（svdd）
03-16
SVDD（（Support Vector Data Description）即支持向量数据描述，其基本思想是通过在映射到高维的特征空间中找出一个包围目标样本点的超球体，并通过最小化该超球体所包围的体积让目标样本点尽 能地被包围在超球体中，而非目标样本点尽可能地排除在超球体中，从而达到两类之间划分的目的。该方法目标是求出能够包含正常数据样本的最小超球体的中心a和半径R。
TAX-SVDD程序
12-13
svdd 支持向量描述,用于一类分类问题。应用很广。
【机器学习】异常检测
热门推荐
noobiee的博客
10-28 1万+
异常检测实际案例：网络安全中的攻击检测，金融交易欺诈检测，疾病侦测，和噪声数据过滤等。时间序列的异常又分为点异常和模式异常。对于一个新观测值进行判断： 离群点检测: 训练数据包含离群点,即远离其它内围点。离群点检测估计器会尝试拟合出训练数据中内围点聚集的区域, 会忽略有偏离的观测值。 新奇点检测: 训练数据未被离群点污染，我们对新观测值是否为离群点感兴趣。在这个语境下，离群点被认为是新奇点。 离群点检测 也被称之为 无监督异常检测; 而 新奇点检测 被称之为 半监督异常检测。 在离群点检
OCSVM 学习笔记
Lamours的博客
12-16 5136
OCSVM 学习笔记 前言 OCSVM(OneClass SVM) 算法是一种经典的异常检测算法，基本原理与 SVM 类似，与 SVM 关注的二分类问题不同的是，就像它的名字 OneClass SVM 那样，OCSVM 只有一个分类，这也正是异常检测所需要的，我们不关注那些异常的数据点。 如果你不了解 SVM 可以点击这里: 支持向量机(SVM)学习笔记 OCSVM 简介 Our strategy is to map the data into the feature space correspondin
【数据分析】基于MATLAB实现SVDD决策边界可视化
qq_59747472的博客
07-28 837
在现实世界中，万事万物都有着其特征，这样的特征或多或少、或重要或不重要。人们通过事物的特征可以确定其所属分类，但是当事物的特征都很多时，如果人们依靠传统的方法对事物进行分类就显得耗时耗力，并且分类的精确性不高。而分类作为一种预测模型，如果分类的精确性低或用时长，则这种预测将变得毫无价值。因此人们提出了各种分类模型来对事物进行预测，其中支持向量机和支持向量描述数据在对高维数据进行预测时有着一定的优势，并且根据不同的要求，对这两种算法的改进应用到了现实生活中的许多领域。https。......
libsvm中OC-SVM 调参问题
AP1005834的博客
07-10 5023
一、前言         本文主要讨论libsvm中的OCSVM调参问题，参考了博文http://www.voidcn.com/blog/lplpysys/article/p-3920288.html，OCSVM是一类SVM，即适用于训练样本均为正样本，或者负样本极少的分类模型， 二、libsvm-OCSVM相关参数        针对模型参数的训练主要使用svmtrain函数。
用 OCSVM 揪出数据中的 “捣蛋鬼”：一文学会异常值检测
qq_44834380的博客
06-16 1369
想象一下，你正在统计班级同学的考试成绩，大部分同学的分数都在 70 - 90 分之间，突然有一个同学考了 30 分，还有一个考了 150 分（假设满分 100 分）。这两个分数明显和其他同学的成绩 “格格不入”，它们就是异常值。异常值的出现可能有很多原因，比如数据录入错误（把 90 写成了 190）、测量仪器故障，或者确实是一些罕见但真实发生的情况（比如某个同学考试当天突发状况导致发挥失常）。不管是什么原因，异常值如果不处理，可能会让我们对数据的理解产生偏差。
SVDD学习过程中的资料、代码汇总
weixin_41068770的博客
03-06 2478
网络上关于SVDD的中文工作相对较少，在之前两个博客，我将学习过程中找的一些资料和理解进行了记录。近来花了好长一段时间学习与复现SVDD的代码，顺便回顾了早年学习的SVM的相关知识。在此处对SVDD算法的一些代码工作进行整理，暂时也打算先把这个事情放一放。以个人理解而言，SVDD算法是一个单类检测算法，为训练集数据找一个最小边界的超球体边界，在实际使用时，发现其有一定的效果。 1. lib...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值