台湾大学林智仁 (Lin Chih-Jen) 教授等开发设计的 libsvm 工具箱提供了SVDD算法的MATLAB接口，其中两个关键参数 c 和 g 直接影响SVDD的单值分类结果。
该代码通过引入鲸鱼优化算法（Whale Optimization Algorithm，WOA），实现对 libsvm 工具箱中的SVDD算法的参数优化，给出两个实例代码：
1. libsvm 工具箱提供的heart_scale data
2. 工业过程数据
WOA的具体描述可以参考以下文献：
（1）Mirjalili S, Lewis A. The whale optimization algorithm[J]. Advances in engineering software, 2016, 95: 51-67.
该算法的提出者已经把代码开源在mathworks。
注：（1）该代码把 libsvm工具箱的svmtrain和svmpredict函数的名字分别改为libsvmtrain和libsvmpredict。
（2）WOA算法和其他群智能优化算法一样，容易陷入局部最优，若寻优结果出现异常，可以尝试多运行几次。
2021-08-02 20:35:31
1.82MB
1
支持向量数据描述（Support Vector Data Description，SVDD）是一种单值分类算法，能够实现目标样本和非目标样本的区分。
该代码实现了libsvm-3.23工具箱中SVDD的决策边界可视化，其实现流程为：
1. 建立训练集的SVDD超球体模型
2. 利用网格法填充训练集区域
3. 预测每个网格点的得分
4. 根据网格点得分绘制等高线
5. 绘制决策边界
利用香蕉数据集进行示例，给出了"欠拟合"、“正常”和“过拟合”情况下的SVDD决策边界可视化结果以及测试集的预测结果。
2021-08-01 16:52:11
581KB
1
支持向量数据描述（SVDD）
使用SVDD进行异常检测或故障检测的MATLAB代码
2.1版，2021年5月11日
电子邮件：iqiukp@outlook.com
主要特点
用于一类或二进制分类的SVDD模型
多种核函数（线性，高斯，多项式，S形，拉普拉斯函数）
可视化2D或3D数据的决策边界
使用贝叶斯优化，遗传算法和粒子群优化的参数优化
加权SVDD模型
告示
此版本的代码与低于R2016b的版本不兼容。
对于阳性样品，标签必须为1；对于阴性样品，标签必须为-1。
详细的应用程序请参见演示。
此代码仅供参考。
如何使用
01.香蕉形数据集
定义了一个名为DataSet的类，以生成和划分2D或3D香蕉形数据集。
[data, label] = DataSet.generate;
[data, label
2021-06-06 16:17:13
1.41MB
1
支持向量数据描述 (Support Vector Data Description, SVDD)
语言：Python
版本：V1.0
-----------------------------------------------------
主要功能为：
1. 包含正样本的SVDD超球体构建 (SVDD)
2. 支持包含负样本的 SVDD 超球体构建 (nSVDD)
3. 添加了包含绘制 ROC 曲线、决策边界等功能的可视化模块
4. 支持多种核函数
2021-05-23 16:14:15
134KB
1
svdd算法单类检测器（以鸢尾花为例）。svdd算法作为单类别分类算法，在多个领域中发挥重要作用，该源码包含一个ipynb文件和一个鸢尾花数据集，ipynb文件里面包含了每一步操作的流程和一个简单的解释和结果展示，该实例较为简单，可供初步学习和使用，可替换自己的数据集进行测试。
2021-05-11 18:55:29
7KB
1
压缩包中包含两个版本的SVDD（Support Vector Data Description）算法matlab工具箱。针对不同版本的matlab，可以尝试不同工具箱。
2021-04-05 09:21:39
731KB
1
支持向量数据描述 (Support Vector Data Description, SVDD)
语言：MATLAB
版本：V2.1
-----------------------------------------------------
创作不易，欢迎各位5星好评~~~
如有疑问或建议，请发邮件至：iqiukp@outlook.com
可提供关于该算法/代码的付费咨询和有偿编写
-----------------------------------------------------
主要特点
1. 支持单值分类和二值分类的超球体构建
2. 支持多种核函数 (linear, gaussian, polynomial, sigmoid, laplacian)
3. 支持 2D 或 3D 数据的决策边界可视化
4. 支持基于贝叶斯超参数优化、遗传算法和粒子群算法的SVDD的参数优化
5. 支持加权的 SVDD
-----------------------------------------------------
注意
1. SVDD V2.1 仅支持 R2016b 以上的 MATLAB 版本
2. 正样本和负样本对应的标签分别为 1 和 -1
3. 提供了多个示例文件，每个文件的开头都有对应的介绍
4. 此代码仅供参考
5. 可以阅读“SVDD-V2.1使用说明.pdf”文件了解更多用法
2020-01-17 03:04:18
354KB
1