基于支持向量机的异常值问题的研究现状

《基于支持向量机的异常值问题的研究现状》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据计算机工程与设计ComputerEngineeringandDesign2010。31(9)1989·人工智能·基于支持向量机的异常值问题的研究现状王快妮，钟萍+，赵庄园(中国农业大学理学院，北京100083)摘要：为提高舍有异常值数据集的学习性能，对基于支持向量机的鲁棒算法进行了研究，深入分析了异常值降低标准支持向量机推广能力的本质原因，从基于支持向量机的异常值检测和抑制异常值对支持向量机的影响两个方面，较为系统地回顾了国内外在该领域的研究发展现状和最新研究进展，其中包括各种算法的基本思想和主要特点

2、．归纳总结了支持向量机关于异常值问题的主要研究内容、方法、研究成果以及存在的问题，并进一步提出了在应用方面的研究方向．关键词：支持向量机；异常值；鲁棒；异常值检测：损失函数中图法分类号：TPl81文献标识码：A文章编号：1000—7024(2010)09．1989．03ReviewofsupportvectormachinesforoutliersⅥ，ANGKuai—ni，ZHONGPing+，ZHA0Zhuang-yuan(CollegeofScience，ChinaAgriculturalUniversi

3、ty,Beijing100083，China)Abstract：Toimprovetheperformanceofthesupportvectormachine(SVM)tothepresenceofoutliersamples，therobustapproachesbasedonSVMalestudied．First,theinternalreasonwhythegeneralizationperformanceofSVMisdeterioratedbyoutliersisanalyzed．Thenthec

4、urrentresearchtrendsandthelatestdevelopmentsofSVMondetectingandsuppressingoutliersarcreviewed,whichintroducethebasicideasoftheapproachesandtheirmajorcharacteristics．Theaimofthepaperist0slimupthestudiesonoutliersbasedonSVM，includingissues，methodsandresults．F

5、inally,thenewresearchprospectsofthisdomainarealsoproposed．Keywords：supportvectormachine；outlier；,robust；outlierdeletion；lossfunction0引言支持向量机(supportvectormachine，SVM)是一种基于统计学习理论发展起来的针对小样本的新型学习机。它以结构风险最小化为原则，具有结构简单、全局最优和泛化能力好等诸多优点。一经提出，就受到国内外学者的普遍关注，认为它是继神经网

6、络之后的又一个重要的研究方向。它的出色的学习能力使得它在短短十几年的时间内得到了广泛的应用，取得了一系列令人瞩目的研究成果。从最初的线性分类，到各种模式分类、回归分析以及时间序列预测等方面都有其出色的表现n‘3-。异常值也称为野点(outlier)或者离群值，目前较为普遍的～种定义是显然严重偏离样本集合中其它观测值的样本点。在实际问题中，由于测量仪器、手段以及环境的影响，实际采集的样本数据难免带有异常值。由于异常值与正常数据相差较大，它们的存在使得在线应用的系统特别容易受到危害，造成系统不稳定甚至崩溃。随着研

7、究的广泛深入，人们发现异常值问题在实际应用领域并不少见，如入侵检测、信用评估、数据库中的知识发现、机械设备运行状态监测等方面㈣。异常值与异常状态相对应，往往是损失或者故障的先兆。因此，有效地检测和抑制异常值的影响是企业安全生产、减少风险损失的重要手段。基于支持向量机的异常值数据集的研究主要集中在对异常值进行检测和对异常值进行抑制上。对异常值进行检测的方法主要集中在两个方面：基于边界的异常值检测方法和基于一类分类问题的异常值检测方法。对异常值进行抑制主要是通过建立各种鲁棒模型达到提高支持向量机推广能力的目的。现

8、有的鲁棒支持向量机主要有以下3种类型：①加权形式的鲁棒SVM；②采用控制型损失函数的鲁棒SVM；③通过改变标准模型的目标函数或约束条件建立的鲁棒模型。本文综述了国内外在该领域的研究现状和最新研究进展，包括其主要研究内容、成果以及存在的问题，并提出新的研究方向。l异常值降低SVM学习能力的本质国内外研究发现异常值对SVM学习带来了困难和挑战，其中最主要的是使它的推广能力下降。那么，造成这种现象的本质原