论文部分内容阅读
针对单类数据的分类问题，提出一种基于支持向量数据描述（SVDD）的分类算法。该算法利用SVDD获得包含单类数据的最小球形边界，通过该边界对未知样本数据进行分类，同时采用可行方向方法求解边界优化中的二次规划问题，并在UCI机器学习数据集上将该算法与LS—SVM算法进行比较。实验结果表明，该算法不仅获得了更高的分类准确率，而且具有较低的运行时间。