Робастна еднокласова SVM
Робастната еднокласова SVM (Robust One-Class SVM) разширява класическата еднокласова машина с опорни вектори (One-Class Support Vector Machine) за откриване на новост и аномалии чрез включване на механизми за робастност — като подрязани целеви функции, робастни избори на ядрото или устойчиви на замърсяване функции на загубата — които намаляват влиянието на тежкоопашатия шум или екстремните стойности, присъстващи в данните за обучение, като по този начин се получава граница на решение, която по-добре представя истинската поддръжка на нормалния клас.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Scholkopf, B., Williamson, R., Smola, A., Shawe-Taylor, J., & Platt, J. (1999). Support vector method for novelty detection. Advances in Neural Information Processing Systems (NeurIPS), 12, 582–588. link ↗
- Liu, Y., Li, Z., & Zhou, C. (2018). Roseq: Robust and efficient one-class SVM for large-scale novelty detection. IEEE Transactions on Neural Networks and Learning Systems, 29(12), 6290–6304. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/bg/machine-learning/robust-one-class-svm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Автоенкодер за детекция на аномалииМашинно обучение↔ compare
- Isolation ForestМашинно обучение↔ compare
- Еднокласов SVMМашинно обучение↔ compare
- Robust Isolation ForestМашинно обучение↔ compare
- Устойчив метод на опорните векториМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →