資源簡介
SVDD((Support Vector Data Description)即支持向量數據描述,其基本思想是通過在映射到高維的特征空間中找出一個包圍目標樣本點的超球體,并通過最小化該超球體所包圍的體積讓目標樣本點盡 能地被包圍在超球體中,而非目標樣本點盡可能地排除在超球體中,從而達到兩類之間劃分的目的。該方法目標是求出能夠包含正常數據樣本的最小超球體的中心a和半徑R。

代碼片段和文件信息
function?[KM]?=?KernelMatrix(TrainMatrixSigma)
[RowsColumns]?=?size(TrainMatrix);?
KM?=?zeros(RowsRows);
for?i=1:Rows
????for?j=1:Rows
????????s?=?TrainMatrix(i:)?-?TrainMatrix(j:);
????????t?=?norm(s);
????????KM(ij)?=?exp(-(t^2)/(Sigma^2));
????end
end
????
????
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2018-12-24?17:15??SVDD\
?????文件??????416052??2010-01-07?13:05??SVDD\d00.dat
?????文件??????799680??2010-01-07?13:05??SVDD\d01_te.dat
?????文件?????????281??2012-12-25?21:39??SVDD\KernelMatrix.m
?????文件?????????670??2012-12-25?21:37??SVDD\predict.m
?????文件????????1064??2018-12-24?14:41??SVDD\SVDD.m
?????文件?????????554??2009-11-25?19:12??SVDD\svdd_select_sets.m
?????文件????????1645??2013-02-16?19:57??SVDD\svdd_solve.m
評論
共有 條評論