支持向量数据描述，英文名称是support vector data description，简称SVDD。SVDD 是一种重要的数据描述方法， 它能够对目标数据集进行超球形描述， 并可用于异类点检测或分类. 在现实生活中目标数据集通常包含多个样本类， 且需要同时对每一个样本类进行超球形描述。近年来，数据描述或单类(One-class)分类问题得到了大量的研究。在域描述领域中，数据描述的任务不是分类问题以“区分不同的类”为目标，也不是回归问题以“对每一个样本产生一个期望输出”为目标，而是给出一个关于训练样本集的描述，同时检测哪些与这个训练样本集相似的(新的)样本。该描述应该覆盖代表训练样本集的样本类，同时，在理想情况下，该描述应该能够将样本空间中其它所有可能的异常样本排除在外。Tax和Duin提出了一种数据描述方法，即支持向量数据描述(SVDD)。