SVM Satu Kelas Teguh (Robust One-Class SVM)

SVM Satu Kelas Teguh (Robust One-Class SVM) memperluas SVM Satu Kelas (One-Class SVM) klasik untuk pengesanan novel dan anomali dengan menggabungkan mekanisme keteguhan — seperti objektif yang dipangkas, pilihan kernel yang teguh, atau fungsi kerugian yang toleran terhadap pencemaran — yang mengurangkan pengaruh hingar berketebalan ekor atau pencilan yang hadir dalam data latihan, menghasilkan sempadan keputusan yang lebih baik mewakili sokongan sebenar kelas normal. SVM Satu Kelas Standard mencari hipersfera terkecil dalam ruang ciri kernel yang merangkumi kebanyakan titik data latihan, tetapi segelintir titik ekstrem boleh menarik sempadan ke luar dan mengembangkan kawasan normal. SVM Satu Kelas Teguh memotong atau mengurangkan pengaruh titik-titik ekstrem tersebut semasa latihan — serupa dengan menggunakan min terpangkas berbanding min biasa — supaya sempadan yang dipelajari kekal dekat dengan tempat kebanyakan data normal sebenarnya berada. Hasilnya ialah model yang bertoleransi terhadap sedikit pencemaran dalam data latihan dan menandai novel sebenar dengan lebih boleh dipercayai.