一种结合Vague集的模糊支持向量机研究

摘要：

为了解决传统支持向量机对噪声或野值敏感的问题,模糊支持向量机给出一种解决办法,就是区别对待训练样本,为每一个数据点分配不同的权重,使其在分类模型训练过程中起不同的作用.以期获取更加合理的分类超平面,使得分类模型具有更好的泛化能力.Vague隶属度的计算是该算法实现的关键步骤之一,文中给出一种基于模糊C-均值聚类方法的Vague隶属度计算的方法,可以生成训练样本的真、假隶属度.实验结果表明,该算法具有更好的抗噪性能及分类能力.

关键词： 模糊支持向量机 隶属度 模糊C-均值 训练样本 抗噪性能

作者: 郝艳友 迟忠先 闫德勤 张永

作者单位: 大连理工大学,计算机科学与工程系,辽宁,大连,116024;中国建设银行大连市分行,信息技术管理部,辽宁,大连,116001 大连理工大学,计算机科学与工程系,辽宁,大连,116024 辽宁师范大学,计算机系,辽宁,大连,116029

会议类型: 国内会议

会议名称: 第二届全国智能信息处理学术会议

会议地点: 徐州

会议语种:中文

页码: 928-932

在线出版日期: 2009-05-01（万方平台首次上网日期，不代表论文的发表时间）