基于模糊核聚类粒化的粒度支持向量机
针对传统的粒度支持向量机(granular support vector machine,GSVM)将训练样本在原空间粒化后再映射到核空间,导致数据与原空间的分布不一致,从而降低GSVM的泛化能力的问题,本文提出了一种基于模糊核聚类粒化的粒度支持向量机学习算法(fuzzy kernel cluster granular support vector machine,FKC-GSVM).FKC-GS-VM通过利用模糊核聚类直接在核空间对数据进行粒的划分和支持向量粒的选取,在相同的核空间中进行支持向量粒的GSVM训练.在UCI数据集和NDC大数据上的实验表明:与其他几个算法相比,FKC-GSVM在更短的时间内获得了精度更高的解.
模糊核聚类、粒化、支持向量机、粒度支持向量机、原空间、核空间、支持向量、聚类
14
TP18(自动化基础理论)
国家自然科学基金资助项目;广西自然科学基金项目;广西高校中青年教师科研基础能力提升项目
2020-03-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
1271-1277