论文部分内容阅读
用SVM方法研究one-class和outlier问题.在将one-class问题理解为一种函数估计问题的基础上,作者首次定义了η -one-class和η -outlier问题的泛化错误,进而定义了线性可分性和边缘,得到了求解one-class问题的最大边缘、软边缘和ν -软边缘算法.这些学习算法具有统计学习理论依据并可归结为求解线性规划问题.算法的实现采用与boosting类似的思路.实验结果表明该文的算法是有实际意义的.