- 빠른 학습을 위한 1-Slack One-Class SVM
- ㆍ 저자명
- 이창기,Lee. Changki
- ㆍ 간행물명
- 정보과학회논문지. Journal of KIISE. 컴퓨팅의 실제 및 레터
- ㆍ 권/호정보
- 2013년|19권 5호|pp.253-257 (5 pages)
- ㆍ 발행정보
- 한국정보과학회
- ㆍ 파일정보
- 정기간행물| PDF텍스트
- ㆍ 주제분야
- 기타
이 논문은 한국과학기술정보연구원과 논문 연계를 통해 무료로 제공되는 원문입니다.
One-class SVM은 데이터가 존재하는 영역을 추출하고, 이 영역을 서포트 벡터로 표현하며 표현된 영역 밖의 데이터들은 아웃라이어(outlier)로 간주된다. 본 논문에서는 One-class SVM의 성능은 그대로 유지하면서 대용량의 학습데이터에서 빠른 학습을 하기 위한 1-slack one-class SVM을 제안한다. 실험결과 One-class SVM과 1-slack one-class SVM 수행 결과가 거의 같으며, 대용량의 학습데이터에서 1-slack one-class SVM이 일반 One-class SVM보다 학습속도가 훨씬 빠름을 알 수 있었다.
Training one-class support vector machine (one-class SVM) involves solving a quadratic programming (QP) problem. By increasing the number of training samples, solving this QP problem becomes intractable. In this paper, we reformulate a standard one-class SVM and derive a 1-slack one-class SVM. The 1-slack one-class SVM fixes the bias term ${ ho}=1$ and replaces the n cutting-plane models of the hinge-loss with a single cutting plane model for the sum of the hinge-losses. Experimental results showed that the 1-slack one-class SVM is much faster than the standard one-class SVM without loss of performance.