SVDD和OCSVM的比较

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

评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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