MATLAB实现的LIFSVM-SVDD参数优化异常检测系统

资 源 简 介

本项目基于LIBSVM的SVDD算法开发，专注于单类别分类与异常检测。用户可交互式调整正则化参数C和核参数gamma，以优化模型性能。适用于数据异常检测与模式识别研究。

详 情 说 明

基于LIFSVM的SVDD异常检测参数优化系统

项目介绍

本项目基于LIBSVM库中的支持向量数据描述（SVDD）算法，开发了一套专门用于单类别分类与异常检测的参数优化系统。系统集成了交互式参数调节与动态可视化功能，允许用户通过调整正则化参数C与核参数gamma，实时观察支持向量数量变化及其对分类边界的影响，从而快速有效地完成模型调优与性能评估。

功能特性

• 核心算法：基于LIBSVM的SVDD算法，采用径向基核函数（RBF Kernel）。
• 交互式调参：提供友好的界面，支持动态调整正则化参数C与核参数gamma。
• 实时可视化：动态显示参数变化对支持向量分布、分类边界及模型性能的影响。
• 性能评估：当提供测试数据及其标签时，系统可计算并展示准确率、召回率、F1分数等关键指标。
• 直观输出：生成包含支持向量数量、分类结果、决策值及各类可视化图表的结果报告。

使用方法

1. 准备输入数据：

- 训练数据：提供 n×d 维的数值矩阵作为训练集。 - 类别标签：提供 n×1 维的向量，标签值通常均为1（单类别）。 - 参数设置：设定正则化参数C（默认1.0）与核参数gamma（默认1/特征数）。 - 测试数据（可选）：提供 m×d 维的测试数据矩阵用于模型验证。

1. 运行系统：

- 启动主程序，系统将加载数据并初始化模型。 - 通过界面控件调整C与gamma参数，界面将实时更新模型结果与可视化图形。

1. 分析结果：

- 观察支持向量数量随参数的变化。 - 查看决策边界图与支持向量分布图。 - 如有测试集，可评估模型性能指标。

系统要求

• 操作系统：Windows / Linux / macOS
• 软件环境：MATLAB（推荐R2018a或更高版本）
• 必要工具箱：无特殊要求，但需确保LIBSVM for MATLAB已正确安装并配置。

文件说明

主程序文件承载了系统的核心功能，主要包括：数据加载与预处理、SVDD模型的初始化与训练、交互式参数调节界面的创建与回调处理、支持向量数量的实时计算与显示、模型在训练集与测试集上的预测与决策值计算、决策边界及支持向量分布等可视化图形的动态生成，以及在提供测试标签时模型性能指标的自动评估与展示。