1) support vector data description
支持向量描述
1.
A network security audit system based on support vector data description algorithm;
提出并进一步分析了一种基于支持向量描述(SVDD)的安全审计模型,使用正常数据训练分类器,使偏离正常模式的活动都被认为是潜在的入侵。
2) support vector domain description
支持向量域描述
1.
Reduced support vector domain description method RSVDD;
一种约减支持向量域描述算法RSVDD
2.
A separation hyperplane is constructed based on support vector domain description(SVDD),which attempts the combination of SVDD with SVM.
针对两类分类问题中使用支持向量机(Support Vector Machines,SVM)训练时间长和支持向量域分类器(Support Vector Domain Classifier,SVDC)精度不高的问题,建立一种基于支持向量域描述(Support Vector Domain Description,SVDD)的分离超平面,尝试将SVDD与SVM结合。
3.
The data of every fault class are trained by support vector domain description (SVDD)to obtain the optimal enclosing feature spaces.
该模型采用支持向量域描述算法(SVDD)对多类故障进行单独训练,建立独立而封闭的特征空间,满足故障类别的动态增加需要,并采用样本与各特征空间的相对距离进行了多故障的混合识别。
3) support vector data description
支持向量域描述
4) support vector data description
支持向量数据描述法
1.
The application of support vector data description for the fault prewarning of Power transformer;
支持向量数据描述法在变压器故障预警中的应用
2.
Due to the ART2 network getting dynamic modifying feature curve and accuration of support vector data description,the cleaning model has the function of dynamic cleaning for bad electric data.
电力负荷预测前应首先对负荷数据进行清洗,根据电力日负荷曲线的特征,应用改进的ART-2神经网络准确的提取电力日负荷特征曲线,然后利用支持向量数据描述法对不良数据进行精确定位,最后利用特征曲线对不良数据进行修正。
5) support vector domain description machines
支持向量域描述机
6) support vector data description(SVDD)
支持向量数据描述
1.
In this paper,a support vector novelty detection algorithm,the support vector data description(SVDD), was adopted to represent known fault class samples,and to detect new fault class samples.
采用一种支持向量异常检测算法,即支持向量数据描述(SVDD),建立已知故障类训练样本的描述模型,并用于检测新的训练中未见的故障类样本。
2.
One-class support vector machine(OCSVM)and support vector data description(SVDD)are two main domain-based one-class(kernel)classifiers.
单类支持向量机和支持向量数据描述是两种流行的基于支撑域的单分类器。
3.
A method of malfunction diagnosis based on Empirical Mode Decomposition(EMD) and Support Vector Data Description(SVDD) is proposed to solve the problem of lacking malfunction smaples in Chongqing light-rail’s cast steel pedestal system diagnosis.
针对重庆轻轨铸钢支座系统故障诊断中缺乏故障样本的问题,提出一种基于经验模态分解(EMD)和支持向量数据描述(SVDD)的故障诊断方法。
补充资料：支持向量机方法
支持向量机(SVM)是90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。支持向量机算法是一个凸二次优化问题,能够保证找到的极值解就是全局最优解，是神经网络领域域取得的一项重大突破。与神经网络相比，它的优点是训练算法中不存在局部极小值问题，可以自动设计模型复杂度(例如隐层节点数)，不存在维数灾难问题，泛化能力强。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条