單類分類廣泛地存在于入侵檢測、故障診斷等實際應用領域中,它能有效解決僅有一類樣本用于訓練分類器的問題和類別特別不平衡問題.本書簡要介紹了四類常用的單類分類器,重點介紹了基于信息理論學習的單類分類特征提取、魯棒單類分類器和單類分類器集成,主要包括基于正則化相關熵的異常檢測特征提取、基于可縮放hinge損失函數(shù)的魯棒單類支持向量機、基于魯棒AdaBoost的單類支持向量機集成、基于Renyi熵多樣性度量的SVDD選擇性集成.另外,本書還介紹了基于深度學習中生成式對抗網(wǎng)絡和自編碼器的異常檢測方法.本書以基于支持域的單類分類器為基礎,較系統(tǒng)地討論了單類分類的主要問題。
|