肖英超;王黄刚;徐文丽;周俊武 基于L1范数的KPCA用于新颖性检测。 （英语） 兹比尔1248.68423 模式识别 46，第1期，389-396（2013）. 摘要：新颖性检测是一个单类分类问题，它只使用正常样本建立模型，并以此为基础进行新颖性检测。虽然传统的KPCA是建立单类分类模型的有效方法，但由于其L2范数的固有特性，它很容易受到离群值的影响。在本文中，我们提出了一个新的优化问题，即基于L1范数的KPCA，它对异常值具有鲁棒性。相应地，我们提出了新颖性的算法和度量。该方法应用于新颖性检测，在仿真数据集上表现良好。 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：KPCA公司;L1范数;新奇检测 软件：公关工具 PDF格式BibTeX公司 XML格式引用 \textit{Y.Xiao}等，模式识别46，No.1，389--396（2013；Zbl 1248.68423） 全文： 内政部