论文部分内容阅读
文中提出了一种基于单簇可能性C-均值聚类（Possibilistic C—Means，PCM）的数据描述方法并用于单分类．训练时，其首先进行PIM（PCM，C值取1）聚类，得到所有训练样本对目标类的隶属度；然后设置隶属度阈值，形成相应的数据描述进行单分类．分类时，计算新样本对目标类的隶属度，若其隶属度小于该阈值则判为异常，否则为正常．该方法和当前流行的支持向量域数据描述方法以及Parzen方法窗具有类似的参数配置和相当的分类性能，由此提供了另一种单分类学习算法．值得指出的是，尽管是PCM的一个特例，但PI