一种结合Vague集的模糊支持向量机研究
为了解决传统支持向量机对噪声或野值敏感的问题,模糊支持向量机给出一种解决办法,就是区别对待训练样本,为每一个数据点分配不同的权重,使其在分类模型训练过程中起不同的作用.以期获取更加合理的分类超平面,使得分类模型具有更好的泛化能力.Vague隶属度的计算是该算法实现的关键步骤之一,文中给出一种基于模糊C-均值聚类方法的Vague隶属度计算的方法,可以生成训练样本的真、假隶属度.实验结果表明,该算法具有更好的抗噪性能及分类能力.
模糊支持向量机(FSVM)、Vague集、隶属度、模糊C-均值(FCM)
30
TP181(自动化基础理论)
国家自然科学基金项目60372071
2009-06-09(万方平台首次上网日期,不代表论文的发表时间)
共5页
928-932