面向分组类别概率问题的模糊SVM分类算法

摘要：

分组类别概率问题( Q-GP)给定样本的群组统计信息或类别概率分布，寻求每个个体样本的实际类标签，有着广泛的实际应用，但目前相应的研究仍较少。 Q-GP问题求解的关键是如何利用已知的样本群组信息来获取单个样本的分类信息。文中通过比较二分类Q-GP问题与有监督及半监督二分类问题的异同，提出利用模糊分类的思想，根据已知的各群组类别概率分布近似获取个体样本的类隶属度，以此构造有监督样本进行学习。具体方法是：首先使用fuzzy层次分类构造各群组的等价类，并利用等价类将二分类Q-GP问题变换成多个带模糊隶属度的有监督二分类子问题；然后实施fuzzy SVM训练子分类器；最后整合多个子分类器的结果即得到每个样本的类标签估计。

关键词：分组类别概率、fuzzy层次分类、fuzzy SVM

分类号：TP301.6(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61273295

在线出版日期：2013-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：46-49