基于类内超平面的模糊支持向量机

被引：4

作者：

张桂香 ^{[1
]}

费岚 ^{[1
]}

杜喆 ^{[2
]}

刘三阳 ^{[2
]}

机构：

[1] 河南财经学院电教计算中心

[2] 西安电子科技大学应用数学系

来源：

计算机工程与设计 | 2008年 / 12期

关键词：

模糊支持向量机; 支持向量机; 隶属度函数; 分类; 超平面;

D O I：

10.16208/j.issn1000-7024.2008.12.079

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

分析基于样本与类中心距离设计模糊支持向量机隶属度函数的缺点,使用类内超平面代替类中心,提出基于样本到超平面距离的隶属度函数设计方法。该方法降低隶属度函数对样本集几何形状的依赖,提高模糊支持向量机的泛化能力。最后数值实验表明,与传统的支持向量机和现有的3种不同隶属度函数的模糊支持向量机相比,新隶属度函数可达到最好的分类效果而且速度快。

引用

页码：3177 / 3178+3207 +3207

页数：3

共 5 条

[1] 大规模训练数据的支持向量机学习新方法 [J].

郑志洵 ;

杨建刚 .

计算机工程与设计, 2006, (13) :2425-2426+2431

[2] 基于样本之间紧密度的模糊支持向量机方法 [J].

张翔 ;

肖小玲 ;

徐光祐 .

软件学报, 2006, (05) :951-958

[3]

模式识别[M]. - 清华大学出版社 , 边肇祺等编著, 2000

[4]

Fuzzy SVM with a new fuzzy membership function[J] . Xiufeng Jiang,Zhang Yi,Jian Cheng Lv.Neural Computing and Applications . 2006 (3-4)

[5]

Fuzzy support vector machines .2 Li Chun-Fu,Wang Sheng-De. IEEE Transactions on Neural Networks . 2002

← 1 →