- 1、本文档共3页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于密度法的双隶属度模糊支持向量机.pdf
第 l9卷 第 l2期 计 算 机 技 术 与发 展 V01.19 No.12
2009年 12月 COMPUTERTECHN0L0GYANDDEVEL0PMENT Dec. 2009
基于密度法的双隶属度模糊支持向量机
李 雷,周蒙蒙,鲁延玲
(南京邮电大学 理学院,江苏 南京 210003)
摘 要:针对现实环境中样本集越来越大,并且往往含有大量噪声和野值 ,导致传统模糊支持向量机的训练时间和分类识
别率降低的阃题 ,提出基于密度法的双隶属度模糊支持向量机,即靠近类中心的样本点隶属度由其到类中心的距离确定,
远离类中心的样本点隶属度由其邻域内同类异类样本点数量的比例确定。从理论和实证两个方面分析文 中方法与以往
基于密度的模糊支持向量机(DFSVM)相比,该方法不但降低了算法的复杂度,并且提高了支持向量机的分类精度。
关键词:模糊支持向量机;双隶属度;密度;类中心
中图分类号:TP181 文献标识码 :A 文章编号 :1673—629X(2009)12—0044—03
FuzzySupportVectorMachineBasedonDensitywithDualM embership
LILei,ZHOU Meng—meng,LU Yan—ling
(SchoolofSciencm,N蚰jingUniversityofPostsandTelecommunications,Nanjing210003,China)
Abstract:Inthispaper,animprovedfuzzyn~elllbershipfunction determination ispmp。sedto train thefuzzysupportvectormachine
(FSVM)forcl~sificationwhichthesamplesetinrealityenvironmentisincreasing,anditoftencontainsalotofnoiseandoutliers.Inthe
improvedalgorithm,thesamplepo intshavetiledifferenttypesofn-,etnbershipsindifferentregions.Thatis.themembershipofthesrn.
piepointnerbythecla centersisdetemfinedbythedistancebetweenthepointnaditsclasscenter.nadthemembershipofthesample
po intfarawaytheclasscentersisdeterminedbytheproportionber~veenthenumberofitscongenericpointsandthenumberofitshetero.
geneouspointsinilsneighborh.xxt.Fhedualmembershipisintroducedtoreducethealgorithm complexityandshortenitstrainingtime
comparedwithfuzzysuppo rtvectormachinebasedondermity.atthesametimethealgoritmh wellimprovestheSVM ’Saccuracyrate.
Keywords:fuzzysuppo rtvectormachine;dualmembership;density;classeenter
0 引 言 SVM 还存在很多的局限性。比如,如何将解决海量数
支持 向量机 (SupportVectorMachine,SVM)J基 据的分类问题 ,如何克服对孤立点和噪音数据的敏感
于统计学理论 的VC维 (VapmkChervonenksdimen— 问题[。
sion)理论和
文档评论(0)