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、模糊支持向量机

所属期刊栏目：31

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60603015

在线出版日期：2009-10-23（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：92-94