一种局部分块的一类支持向量数据描述方法
【专利摘要】一种局部分块的一类支持向量数据描述方法，通过局部分块和局部样本重构，使异常数据检测方法能够捕捉数据的全局几何结构，而且具备揭示数据局部几何结构信息的能力，具有较好监测异常数据的性能优势。
【专利说明】一种局部分块的一类支持向量数据描述方法
【技术领域】
[0001]本发明涉及数据异常检测领域，尤其涉及一种局部分块的一类支持向量数据描述方法。
【背景技术】
[0002]现有通过对正常样本数据的学习进而获得其特征属性的过程称为异常检测，隶属于一类分类问题。在许多应用领域，如假币识别，医疗诊断，机器故障诊断，生物发酵过程异常监测，通信领域辐射源个体识别等，获得异常数据的可能性很小，且获取的过程需要花费大量的人力和物力。因此，异常检测在近几十年里得到了广泛关注。
[0003]一类支持向量数据描述的异常检测方法一直得到较大关注。许多学者提出了诸多改进版本，如小球体大间隔方法、多球支持向量数据描述方法等。上述异常检测方法在构建数学模型时，仅仅考虑到数据的全局几何结构，而忽略了数据的局部几何结构，导致隐藏在局部结构中的信息丢失，降低了上述方法在异常数据检测中的识别精度。
【发明内容】
[0004]本发明为了解决现有技术问题，既考虑到数据的全局几何结构，也考虑到数据的局部几何结构，设计一种实现有效的异常数据检测的局部分块的一类支持向量数据描述方法。
[0005]本发明的技术方案是:一种局部分块的一类支持向量数据描述方法，包括如下步骤:
[0006]步骤1:对样本集X= (x1；-,xN)进行局部分块，得到各个局部分块Pi (i = Ir..，N)，具体方法为:把Xi对应最近邻个数K的最近邻样本集
【权利要求】
1.一种局部分块的一类支持向量数据描述方法，其特征在于:包括如下步骤: 步骤1:对样本集X= (X1,…，XN)进行局部分块，得到各个局部分块Pi(i = 1，…，N)，具体方法为:把Xi对应最近邻个数K的最近邻样本集
2.根据权利要求1所述的一种局部分块的一类支持向量数据描述方法，其特征在于:步骤I中的最近邻个数K从网格{2，3，…，14}中选择。
3.根据权利要求1所述的一种局部分块的一类支持向量数据描述方法，其特征在于:步骤2中的热核参数h从网格表{2_14，2_13，…，213，214}中选择。
4.根据权利要求1所述的一种局部分块的一类支持向量数据描述方法，其特征在于:步骤3中的核函数k(.,.)选为高斯核函数
k (Xi, Xj) = exp (-1 I X1-Xj I 12/2 σ 2) 其中核带宽参数 σ =2-003=(-4.5,-4.0, -,4.0,4.5}, σ^是样本数据平均2范数的平方根。
【文档编号】G06F19/00GK103870682SQ201410071393
【公开日】2014年6月18日 申请日期:2014年2月28日 优先权日:2014年2月28日
【发明者】蒋云良, 胡文军, 王培良, 陶剑文, 楼俊钢, 皋军 申请人:湖州师范学院