基于信息理论学习的支持向量数据描述集成

《基于信息理论学习的支持向量数据描述集成》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、HEBEIUNIVERSITY密级：分类号：学校代码：10075学号：20131288硕士学位论文基于信息理论学习的支持向量数据描述集成学位申请人：魏勇乐指导教师：邢红杰教授学位类别：工学硕士学科专业：计算机科学与技术授予单位：河北大学答辩日期：二〇一六年六月ClassifiedIndex:CODE:10075U.D.C:NO:20131288ADissertationfortheDegreeofM.EngineeringEnsembleofSVDDsBasedonInformationTheoreticLearningCandidate:WeiYongleSupervisor:Pro

2、f.XingHongjieAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ComputerScienceandTechnologyUniversity:HebeiUniversityDateofOralExamination:June,2016河北大学学位论文独创性声明：所呈交的学位论文本人郑重声明，是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得河北大学或其他教育机构的学位或证书所使用过的材料＾。与我

3、同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了致谢。作者签名、＾去：喪再日期：７／Ｖ名年月日学位论文使用授权声明目本人完全了解河北大学有关保留、使用学位论文的规定；，Ｐ学校有权保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅。学校可Ｗ公布论文的全部或部分内容，可Ｗ采用影印、缩印或其他复制手段保存论文。本学位论文属于１、保密□，在解密后适用本授权声明。年月日２、不保密Ｋ。＂＂（请在Ｗ上相应方格内打Ｖ）保护知识产权声明本人为申请河北大学学位所提交的题目为３舶弓１？良妃述ｆ叛的学位论

4、文，是我个人在导师诗４：ｕｔ）指导并与导师合作下取得的研究成果，研究］工作及取得的研究成果是在河北大学所提供的研究经费及导师的研究经费资助下完成的。本人完全了解并严格遵守中华人民共和国为保护知识产权所制定的各项法律、行政。法规Ｗ及河北学的相关规定大本人声如下：经明本论文的成果归河北大学所有，征得指导教师和河北大学的未书证ｉ。面同意和授，本人保不ｌ＾？何形公开和传播研成果和研工如果违反权任式科科作内容，人愿。声明意承担相应法律责任本本＾声：ｙｊ旬心东年ｉ日明人日期：曰＞心４年作者签名：ｈ日：／月日期＇／万＾ｆ错月日导师签名：期；年＾日摘

5、要摘要单类分类是介于监督学习和无监督学习之间的机器学习任务，它能够有效地解决仅有一类样本训练分类器的问题和类别极端不平衡问题。迄今为止，涌现了大量的单类分类方法，其中最为常用的有一类支持向量机（one-classsupportvectormachine,OCSVM）和支持向量数据描述（supportvectordatadescription,SVDD）。为了进一步提高单类分类器的分类性能，可以对多个单类分类器加以集成。然而，已有的单类分类器集成方法并未综合考虑差异性和选择性集成对集成性能的影响。基于此，本文在已有单类分类器集成的基础上，结合信息理论学习，对基于信息理论学习的SVDD集成

6、开展了研究。1．提出了基于相关熵和距离方差的SVDD选择性集成方法。所提方法使用相关熵代替均方误差，用于度量集成的紧致性，从而构造出更为紧致的分类边界。同时使用训练样本到各最小包围球中心的距离的方差作为集成的差异性度量。此外，在目标函数中引入基于范数的正则化项，实现选择性集成。最后，利用半二次优化技术对所提选择1性集成模型进行求解，实验结果表明，所提方法比相关方法具有更优的分类性能。2．提出了基于相关熵和Renyi熵的SVDD选择性集成方法。所提方法利用各个样本到集成中心距离的Renyi熵作为集成的差异性度量，并使用半二次优化技术对所提选择性集成模型进行求解。在人工数据集和标准数据集

7、上的实验表明，所提方法具有更优的鲁棒性。关键词支持向量数据描述相关熵Renyi熵单类分类选择性集成IAbstractAbstractOne-classclassificationisregardedasamachinelearningtaskbetweensupervisedlearningandunsupervisedlearning.Itcaneffectivelysolvetheproblemoftrainingwithsamplesin