【分类-SVDD】基于支持向量数据描述 (SVDD) 的多类分类算法附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测雷达通信 无线传感器

信号处理图像处理路径规划元胞自动机无人机 电力系统

⛄ 内容介绍

目前的多类学习方法大多将多类问题转化为二类问题,这样处理除了时间开销大,还存在识别盲区.提出了一种直接进行多类学习的算法multi-SVDD.该算法在考虑大样本和多类样本数据中的类内不平衡现象基础上,首先为每类训练样本进行聚类,根据聚类结果由支持向量数据描述(SVDD,Support Vector Date Description)建立多个最小包围球.根据测试样本到SVDD所建立的最小包围球的距离来确定测试样本属于哪个聚类,最终可判断测试样本属于哪个类.multi-SVDD算法在时空开销上相比最小包围球方法没有明显增长,而实验效果则好于最小包围球方法.

⛄ 部分代码

function [] = ConfusionMatrix(y, y_pred, Num_class)

% Confusion Matrix

% Usage: ConfusionMatrix(y, y_pred, Num_class)

CM = zeros(Num_class, Num_class);

m = [y y_pred];

for i = 1:Num_class

   for j = 1:Num_class

       CM(i,j) = sum(m(:,1)==i & m(:,2)==j);

   end

end    

disp('Confusion Matrix')

disp(CM)

⛄ 运行结果

⛄ 参考文献

[1]缪志敏, 潘志松, 袁伟伟,等. 一种新的基于SVDD的多类分类算法[J]. 计算机科学, 2009, 36(3):4.

⛄ Matlab代码关注

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料