One-class問題研究及應(yīng)用.pdf

1、One-class問題包括one-class描述問題和one-class分類問題,給定一組沒有標簽的樣本集,前者指如何描述它包含的內(nèi)在信息(與異常信息或噪音信息相對應(yīng)),而后者指如果把此樣本集作為目標類,如何與其它所有無關(guān)類(當然也包括outliers)分類的問題.One-class問題的研究無論是在模式識別還是在信息處理領(lǐng)域都具有重要意義.論文的主要內(nèi)容包括:(1)概述分析了one-class問題的研究內(nèi)容及研究意義,并首次把one-

2、class問題分為one-class描述問題和one-class分類問題,并給出了這兩種問題的潛在應(yīng)用.(2)提出了一種解決one-class描述問題的模型:基于方差的信息分解模型(Variance-based Information Decomposing Model, VIDM),并為此模型引入了基于主成分分析的算法和基于主曲線的算法.(3)用股票異常收益檢測和說話人識別的特征提取兩個實驗驗證了VIDM模型及其算法的有效性.(4)用

3、SVM方法研究one-class分類和outlier檢測問題.在將one-class分類問題理解為一種函數(shù)估計問題的基礎(chǔ)上,首次定義了η-one-class和η-outlier問題的泛化錯誤,進而定義了線性可分性和邊緣,得到了求解one-class問題的最大邊緣、軟邊緣和v-軟邊緣算法.(5)首次在one-class分類問題中引入半監(jiān)督學(xué)習(xí)的思想,提出了一種半監(jiān)督的one-class分類算法(Semi-v-SVM),此方法在易趣拍賣網(wǎng)站