WU Xiao,WEI Yan,WU Xia.Improved Double Memberships of Fuzzy Support Vector Machine [J].期刊社,2011,28(05):49-52.[doi:10.11721/cqnuj20110511]
改进的双隶属度模糊支持向量机
- Title:
-
Improved Double Memberships of Fuzzy Support Vector Machine
- 文献标志码:
- A
- 摘要:
-
针对传统的支持向量机(SVM)中存在对噪声和孤立点敏感,容易产生过拟合的问题,提出一种新的模糊隶属度函数设计方法""基于密度法的双隶属度模糊支持向量机方法(DM-FSVM)方法不仅考虑样本到类中心的距离,同时根据样本点到类中心的距离将样本分为两类,类中心附近样本点的隶属度由该样本点到类中心的距离确定,而对于远离类中心的样本点来说,其隶属度由邻域内同类与异类样本点数目的比值来确定。同时,针对模糊支持向量机普遍存在训练时间过长的难题,使用截集模糊C-均值聚类的方法对训练样本进行聚类处理,以聚类中心作为新的样本进行训练。最后数值实验表明,与传统的支持向量机和以往的FSVM相比,有效地提高了分类速度和精度。
相似文献/References:
[1]李太白,唐万梅. 一种改进的SVM多类分类算法在入侵检测中的应用 [J].重庆师范大学学报(自然科学版),2012,29(05):63.[doi:10.11721/cqnuj20120515]
LI Tai-bai,TANG Wan-mei. Application of an Improved SVM MultiClass Classification to Intrusion Detection [J].期刊社,2012,29(05):63.[doi:10.11721/cqnuj20120515]
[2]曾绍华,魏延. 供应商评价的支持向量机模型及应用研究[J].重庆师范大学学报(自然科学版),2007,24(1):29.[doi:10.11721/cqnuj20070108]
[J].期刊社,2007,24(05):29.[doi:10.11721/cqnuj20070108]
[3]王睿. 关于支持向量机参数选择方法分析[J].重庆师范大学学报(自然科学版),2007,24(2):36.[doi:10.11721/cqnuj20070210]
[J].期刊社,2007,24(05):36.[doi:10.11721/cqnuj20070210]
[4]张雅清. 基于最小流形类内离散度支持向量机的110米栏成绩预测方法研究 [J].重庆师范大学学报(自然科学版),2015,32(05):165.[doi:10.11721/cqnuj20150509]
ZHANG Yaqing. Research on Prediction of Achievements in 110 m Hurdle based on Minimum Manifold-Based within-Class Scatter Support Vector Machine [J].期刊社,2015,32(05):165.[doi:10.11721/cqnuj20150509]
[5]吴恩英,吕佳. 基于二叉树支持向量机多类分类算法的研究 [J].重庆师范大学学报(自然科学版),2016,33(03):102.[doi:10.11721/cqnuj20160327]
WU Enying,L Ü,Jia. Research on Multiclass Classification Algorithm Based on Binary Tree SVM [J].期刊社,2016,33(05):102.[doi:10.11721/cqnuj20160327]
[6]李玲俐. 家庭保健监测系统中环境声音事件的识别 [J].重庆师范大学学报(自然科学版),2016,33(04):118.[doi:10.11721/cqnuj20160419]
LI Lingli. Environmental Sound Recognition for a Family Health Monitoring System [J].期刊社,2016,33(05):118.[doi:10.11721/cqnuj20160419]