带负样本的广义参考核：用于支持向量单类分类
机器学习
2025-06-19 v1
摘要
本文聚焦于在有限负样本可用的小规模单类分类问题。我们提出了带负样本的广义参考核（GRKneg）用于支持向量单类分类器（OC-SVM）。我们研究了不同的参考向量选择/生成方法，并推荐针对该问题的合适方案。值得注意的是，所提方法不在模型优化中使用任何标签，仅使用原始 OC-SVM 实现方式。仅改进过程中使用的核函数，借助负数据实现改进。我们将方法与标准 OC-SVM以及使用不同负样本数量的二进制支持向量机（SVM）进行比较。我们的做法在使用径向基函数核的标准 OC-SVM 上 consistently 优于后者。当负样本充足时，二进制 SVM 超越单类方法，预期而该方法在负样本最少时，显著优于二进制 SVM。
引用
@article{arxiv.2506.14895,
title = {Generalized Reference Kernel With Negative Samples For Support Vector One-class Classification},
author = {Jenni Raitoharju},
journal= {arXiv preprint arXiv:2506.14895},
year = {2025}
}
备注
Accepted to EUSIPCO2025