论文部分内容阅读
现有的支持向量数据描述（SVDD）算法在解决不平衡数据集问题时通常存在有偏性。针对该问题,在研究PCA特征提取技术和SVDD分类理论的基础上,提出一种用于平衡数据分类的FE-SVDD算法。该方法对2类样本数据进行主成分分析,分别求出主要特征值,根据样本容量及特征值对SVDD中的C值重新定义。在人工样本集和UCI数据集上进行实验,结果验证了该方法的有效性。