主要功能：
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
资源使用事项：
1、提供了多个示例文件，每个文件的开头都有对应的介绍
2、需要 R2016b 以上的 MATLAB 版本
3、内含详细的使用说明
4、主要用于单类(One-class)分类问题得的研究。对于单分类任务。不是分类问题以“区分不同的类”为目标，也不是回归问题以“对每一个样本产生一个期望输出”为目标，而是给出一个关于训练样本集的描述，同时检测哪些与这个训练样本集相似的(新的)样本。该描述应该覆盖代表训练样本集的样本类，同时，在理想情况下，该描述应该能够将样本空间中其它所有可能的异常样本排除在外。
2023-02-13 12:54:48
1.54MB
1
GrADS学习资料：实习一数据文件的转换及数据描述文件的建立 实习二.ppt
2022-06-18 22:00:07
477KB
针对机械智能监测和故障诊断中故障样本缺乏的问题,提出了一种支持向量数据描述和用双谱提取故障特征值相结合的机械故障诊断方法。该方法可以只利用正常状态数据样本来建立单值分类器,判别机器的运行状态。高阶谱能有效地抑制噪声,对不同类型的故障,高阶谱存在明显差异。采用双谱对角切片对原始数据信号进行特征提取,将特征值作为SVDD的输入参数进行分类。运用该方法在滚动轴承的故障诊断中。
2022-02-24 21:50:10
271KB
1
支持向量数据描述 (Support Vector Data Description, SVDD)
语言：Python
版本：V1.1
---------------------------------------------
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
--------------------------------------------
主要功能
1. 基于 sklearn.base 的 SVDD BaseEstimator
2. 支持单值分类和二值分类的超球体构建
3. 支持多种核函数 (linear, gaussian, polynomial, sigmoid)
4. 支持 2D 数据的决策边界可视化
---------------------------------------------
依赖库
cvxopt
matplotlib
numpy
scikit_learn
scikit-opt (可选，仅用于参数优化)
2021-12-29 11:06:11
5.89MB
1
支持向量数据描述SVDD：使用支持向量数据描述（SVDD）进行异常检测或故障检测的MATLAB代码
2021-12-12 22:28:32
4.03MB
1
支持向量数据描述（SVDD）
用于使用SVDD进行异常检测或故障检测的Python代码。
电子邮件：
主要特点
用于仅包含正训练数据的训练数据集的SVDD模型。 （SVDD）
包含正训练数据和负训练数据的训练数据集的SVDD模型。 （nSVDD）
多种内核功能。
可视化模块，包括ROC曲线图，测试结果图和决策边界。
要求
matplotlib
cvxopt
科学的
麻木
scikit_learn
关于SVDD型号
根据以下参考文献，可以构建两种类型的SVDD模型：
[1] Tax DMJ，Duin RP W.支持向量数据描述[J]。 机器学习，2004，54（1）：45-66。
一个简单的决策边界应用程序（使用不同的内核函数）
# -*- coding: utf-8 -*-
import sys
sys.path.append("..")
from src.svdd im
2021-10-24 17:20:16
5.79MB
1