支持向量数据描述算法svdd

SVDD（（Support Vector Data Description）即支持向量数据描述，其基本思想是通过在映射到高维的特征空间中找出一个包围目标样本点的超球体，并通过最小化该超球体所包围的体积让目标样本点尽 能地被包围在超球体中，而非目标样本点尽可能地排除在超球体中，从而达到两类之间划分的目的。该方法目标是求出能够包含正常数据样本的最小超球体的中心a和半径R。

function [KM] = KernelMatrix（TrainMatrixSigma）
[RowsColumns] = size（TrainMatrix）; 
KM = zeros（RowsRows）;
for i=1:Rows
    for j=1:Rows
        s = TrainMatrix（i:） - TrainMatrix（j:）;
        t = norm（s）;
        KM（ij） = exp（-（t^2）/（Sigma^2））;
    end
end
    
    

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-12-24 17:15  SVDD\
     文件      416052  2010-01-07 13:05  SVDD\d00.dat
     文件      799680  2010-01-07 13:05  SVDD\d01_te.dat
     文件         281  2012-12-25 21:39  SVDD\KernelMatrix.m
     文件         670  2012-12-25 21:37  SVDD\predict.m
     文件        1064  2018-12-24 14:41  SVDD\SVDD.m
     文件         554  2009-11-25 19:12  SVDD\svdd_select_sets.m
     文件        1645  2013-02-16 19:57  SVDD\svdd_solve.m