支持向量数据描述 (SVDD) 的 MATLAB 实现（异常检测/故障检测）
简介
本仓库提供了一个支持向量数据描述 (Support Vector Data Description, SVDD) 的 MATLAB 实现，适用于异常检测和故障检测任务。SVDD 是一种基于支持向量机的无监督学习方法，用于构建一个超球体来描述正常数据，从而识别异常数据。
资源文件描述
- 语言：MATLAB
- 版本：V2.1
主要特点
- 分类支持：支持单值分类和二值分类的超球体构建。
- 核函数支持：支持多种核函数，包括线性核、高斯核、多项式核、Sigmoid 核和拉普拉斯核。
- 可视化支持：支持 2D 或 3D 数据的决策边界可视化。
- 参数优化：支持基于贝叶斯超参数优化、遗传算法和粒子群算法的 SVDD 参数优化。
- 加权支持：支持加权的 SVDD。
注意事项
- MATLAB 版本要求：SVDD V2.1 仅支持 R2016b 以上的 MATLAB 版本。
- 标签定义：正样本和负样本对应的标签分别为 1 和 -1。
- 示例文件：提供了多个示例文件，每个文件的开头都有对应的介绍。
- 代码用途：此代码仅供参考。
- 使用说明：可以阅读“SVDD-V2.1使用说明.pdf”文件了解更多用法。
联系方式
创作不易，欢迎各位5星好评~~~如有疑问或建议，请发邮件至：iqiukp@outlook.com。可提供关于该算法/代码的付费咨询和有偿编写。
贡献与支持
如果您对本项目有任何改进建议或发现任何问题，欢迎通过邮件联系我们。您的反馈将帮助我们不断改进和完善这个实现。