论文部分内容阅读
基于核学习理论提出一种方差保持的异常检测分类器（CP-ND）。使用正常类方差使分类线与正常类空间分布保持一致,最大化分类线和异常点之间的间隔,通过二次规划求解对偶问题。训练参数v、v1和v2之间有简单约束关系,vv1和vv2分别指示正常类和异常类的误分率上界及支持向量率下界。医学诊断数据集的测试结果表明,CP-ND具有较高的分类精度。