论文部分内容阅读
粗糙集理论是处理不确定性和不完备信息的重要方法之一。通过将粗糙集理论引入到one-class支持向量机,提出了一种新颖的粗糙one-class支持向量机。通过定义上近似超平面和下近似超平面,使得训练样本能根据在粗糙间隔中的位置,自适应地对决策超平面产生影响。并且,outlier样本由于距离上近似超平面较近并产生较小的间隔误差,不会导致决策超平面对它们产生明显的过拟合。实验结果表明,粗糙one-class支持向量机的泛化性能优异,识别率和误识率均优于传统的one-class支持向量机。