[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
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:
-
-
更新日期/Last Update:
2011-09-30