10.3964/j.issn.1000-0593(2015)01-0263-04
基于流形模糊双支持向量机的恒星光谱分类方法
支持向量机(support vector machine ,SVM )具有良好的学习性能和泛化能力,因而被广泛应用于恒星光谱分类中。然而实际应用面临的数据规模往往很大,SVM 便暴露出计算量大、分类速度慢等问题。为了解决上述问题,Jayadeva等提出双支持向量机(twin support vector machine ,TWSVM ),将计算时间减少至SVM的1/4。然后上述方法仅关注数据的全局特征,对每类数据的局部特征并未关注。鉴于此,提出基于流形模糊双支持向量机(manifold fuzzy twin support vector machine ,MF-TSVM)的恒星光谱分类方法。利用流形判别分析获得数据的全局特征和局部特征,模糊隶属度函数的引入将各类数据区别对待,尽可能减少噪声点和奇异点对分类结果的影响。与C-SVM ,KNN等传统分类方法在SDSS恒星光谱数据集上的比较实验表明了该方法的有效性。
自动分类、恒星光谱、流形判别分析、模糊隶属度、双支持向量机
TP391(计算技术、计算机技术)
山西省高等学校科技创新项目2014142,20131112
2015-01-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
263-266