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