论文部分内容阅读
本文提出了一种基于支持向量机 (SVM)的异常血样监测方法 .异常血样监测可以归结为非对称的非线性分类问题 ,即血样训练样本不对称和分类边界的裕度不对称 .本文在血样向量空间上虚拟了异常血样超球面 ,利用高斯径向基 (RBF)核函数对血样向量升维使之在高维内积空间中线性可分 .通过调节高斯径向基的宽度和边界裕度 ,可以确定紧包正常血样特征向量子空间且具有最佳监测效果的分类边界 .该方法在试验数据上获得了误警率 3.1 9%和漏警率6 .38%、准确率 90 .4 3%的较好结果