Быстрая одноклассовая SVM классификация для большой обучающей совокупности

Abstract

В основу данной работы положен популярный метод одноклассовой классификации OCSVM. Мы предлагаем усовершенствованный вариант данного метода, целью создания которого является обеспечение возможности работы с большими обучающими совокупностями, что является проблематичным для OCSVM из-за высокой трудоемкости обучения. Основная идея предлагаемого подхода заключается в применении OCSVM к независимым случайным подвыборкам из исходной обучающей совокупности с последующим объединением результатов в единое решение, совпадающее по виду с решающим правилом OCSVM. Экспериментальное исследование показало, что предложенный подход позволяет существенно ускорить решение задачи, получая при этом точное (или близкое к точному) решение.