|本期目录/Table of Contents|

[1]邬啸,魏延,吴瑕.改进的双隶属度模糊支持向量机 [J].重庆师范大学学报(自然科学版),2011,28(05):49-52.[doi:10.11721/cqnuj20110511]
　WU Xiao,WEI Yan,WU Xia.Improved Double Memberships of Fuzzy Support Vector Machine [J].期刊社,2011,28(05):49-52.[doi:10.11721/cqnuj20110511]
点击复制

改进的双隶属度模糊支持向量机
(PDF)
分享到：

重庆师范大学学报（自然科学版）[ISSN:1672-6693/CN:50-1165/N]

卷:
28
期数:
2011年05期
页码:
49-52
栏目:
理论与应用研究
出版日期:
2011-09-25

文章信息/Info

Title:
Improved Double Memberships of Fuzzy Support Vector Machine
作者:
邬啸; 魏延; 吴瑕
Author(s):
WU Xiao;  WEI Yan;  WU Xia
关键词:
支持向量机; 双隶属度; 截集模糊C-均值
Keywords:
-
分类号:
-
DOI:
10.11721/cqnuj20110511
文献标志码:
A
摘要:
针对传统的支持向量机（SVM）中存在对噪声和孤立点敏感，容易产生过拟合的问题，提出一种新的模糊隶属度函数设计方法""基于密度法的双隶属度模糊支持向量机方法（DM-FSVM)方法不仅考虑样本到类中心的距离，同时根据样本点到类中心的距离将样本分为两类，类中心附近样本点的隶属度由该样本点到类中心的距离确定，而对于远离类中心的样本点来说，其隶属度由邻域内同类与异类样本点数目的比值来确定。同时，针对模糊支持向量机普遍存在训练时间过长的难题，使用截集模糊C-均值聚类的方法对训练样本进行聚类处理，以聚类中心作为新的样本进行训练。最后数值实验表明，与传统的支持向量机和以往的FSVM相比，有效地提高了分类速度和精度。
Abstract:
-

参考文献/References:

-

备注/Memo

备注/Memo:
-
更新日期/Last Update: 2011-09-30