일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
Tags
- DeepLearning
- CS231n
- Object Detection
- pytorch
- pytorch project
- cnn 역사
- yolov3
- TCP
- EfficientNet
- Deep Learning
- self-supervision
- RCNN
- fast r-cnn
- SVM 이란
- svdd
- libtorch
- SVM margin
- 논문분석
- Computer Vision
- CNN
- 데이터 전처리
- pytorch c++
- Faster R-CNN
- cs231n lecture5
- 서포트벡터머신이란
- SVM hard margin
- computervision
- yolo
- support vector machine 리뷰
- darknet
Archives
- Today
- Total
목록SVDD 이상치 탐지 (1)
아롱이 탐험대

본 포스트는 고려대학교 산업경영공학부 강필성 교수님의 Business Analytics 강의를 정리한 내용입니다. Support Vector Data Description based Anomaly detection (SVDD) SVDD는 앞서 살펴본 SVM과 동시대에 만들어진 알고리즘이다. SVDD는 SVM과는 달리 hyper sphere를 찾는 것이 목표이고, 이를 위해 sphere의 중심점인 $a$와 반지름인 $R$을 찾아, 정상 데이터를 해당 sphere안에 몰아넣는 것을 목적으로 한다. 여기서 sphere 밖에 있는 데이터에 대해서는 $\xi$라는 패널티를 줄 것이다. 위 그림 오른쪽을 통해 1-SVM과 SVDD의 차이를 볼 수 있다. Optimization function $$ \min_{R, ..
study/IME654
2022. 7. 24. 15:06