基于最小包含球的领域自适应算法

相同应用领域因不同时间、地点或设备,检测到的数据域可能会出现不完全一致的现象,从而可能导致机器学习效率降低。为有效地进行数据域间知识传递,在原有支持向量域描述(SVDD)算法的基础上,提出一种全新的数据域中心点校正的领域自适应算法,并使用人造数据集和KDD CUP99大数据集验证算法。实验证明,该领域自适应算法效果较好,将其应用于大数据集可减少核心集元素个数,提高运算效率。