一种基于信息熵的约简型支持向量数据描述方法

摘要

本发明提供一种基于信息熵的约简型支持向量数据描述方法，首先利用核函数计算训练样本在核空间中相互之间的距离，然后通过所得的结果计算训练样本的信息熵值并通过信息熵值大小进行训练样本的约简，接着将约简后的训练样本根据支持向量数据描述方法计算得到所需的超球体，之后对测试样本进行判别，若测试样本位于超球体之内则判为目标类样本，反之则判为异常类样本。相较于传统的分类技术，本发明的基于信息熵的支持向量数据描述方法通过尽量保留训练数据集边界附近的样本点的同时约简掉其它的训练样本点进行训练的过程，实现在保持SVDD算法分类精度的同时降低算法训练时间和减少内存消耗的效果。