一种新颖隶属度函数的模糊支持向量机

摘要：

传统的支持向量机(SVM)训练含有外部点或噪音数据时,容易产生过拟合(over-fitting)。通过模糊隶属度函数来降低外部点或被污染数据的选择。本文提出了一种新的核隶属度函数,这种新的隶属度函数不仅依赖于每个样本点到类型中心的距离,还依赖于该样本点最邻近的K个其他样本点的距离。实验结果表明了具有该隶属度函数的模糊支持向量机的有效性。

关键词： 支持向量机 隶属度函数 数据选择

作者: 李苗苗 向凤红 刘新旺

作者单位: 昆明理工大学信息工程与自动化学院,云南,昆明,650216 国防科技大学计算机学院,湖南,长沙,410073

会议类型: 国内会议

会议名称: 2009年全国理论计算机科学学术年会

会议地点: 哈尔滨

会议语种:中文

页码: 92-94

在线出版日期: 2009-08-07（万方平台首次上网日期，不代表论文的发表时间）