模糊支持向量机的偏移量计算方法

摘要：

偏移量确定了支持向量机和模糊支持向量机(FSVM)的最优分类面位置,对分类性能具有较大影响.为提高模糊支持向量机的识别率,基于Fisher判别分析方法提出一种新的偏移量计算方法,将其用于FSVM多类分类器设计.对3种数据集的测试结果表明,使用新偏移量的FSVM识别率高于使用标准偏移量的FSVM识别率.

关键词：偏移量、支持向量机、模糊支持向量机、机器学习

所属期刊栏目：35

分类号：TP391.4(计算技术、计算机技术)

资助基金：2006年教育部新世纪优秀人才计划基金资助项目NCEG- 06-0487;国家自然科学基金资助项目60472060, 60572034;江苏省自然科学基金资助项目BK2006081

在线出版日期：2009-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：181-183