模糊支持向量机中隶属度的确定与分析

模糊支持向量机中隶属度的确定与分析

ID:38140441

大小:262.27 KB

页数:5页

时间:2019-05-26

模糊支持向量机中隶属度的确定与分析_第1页
模糊支持向量机中隶属度的确定与分析_第2页
模糊支持向量机中隶属度的确定与分析_第3页
模糊支持向量机中隶属度的确定与分析_第4页
模糊支持向量机中隶属度的确定与分析_第5页
资源描述:

《模糊支持向量机中隶属度的确定与分析》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第11卷第8期中国图象图形学报Vol.11,No.82006年8月JournalofImageandGraphicsAug.,2006模糊支持向量机中隶属度的确定与分析1),2)3)1)张翔肖小玲徐光祐1)(清华大学计算机系,北京100084)2)(长江大学地球物理与石油资源学院,荆州434023)3)(武汉理工大学计算机科学与技术学院,武汉430063)摘要针对目前模糊支持向量机方法中,一般使用特征空间中样本与类中心之间的距离关系构建隶属度函数的不足,提出了一种新的有效地反映样本不确定性的隶属度计算方法———基于样本紧密度的隶

2、属度方法。在确定样本的隶属度时,不仅考虑了样本与类中心之间的关系,还考虑了类中各个样本之间的关系,并采用模糊连接度来度量类中各个样本之间的关系。将其应用于模糊支持向量机方法中,较好地将支持向量与含噪声或野值样本区分开。实验结果表明,采用模糊支持向量机方法,其分类错误率比采用支持向量机方法的错误率低,在使用的3种隶属度函数中,采用基于紧密度隶属度的模糊支持向量机方法抗噪性能最好,分类性能最强。关键词支持向量机模糊隶属度紧密度中图法分类号:TP391.41文献标识码:A文章编号:100628961(2006)0821188205De

3、terminationandAnalysisofFuzzyMembershipforSVM1),2)3)1)ZHANGXiang,XIAOXiao2ling,XuGuang2you1)(SchoolofComputerScience,TsinghuaUniversity,Beijing100084)2)(SchoolofGeophysicsandResources,YangtzeUniversity,Jinzhou434023)3)(SchoolofComputerScienceandTechnology,WuhanUniver

4、sityofTechnology,Wuhan430063)AbstractRelativetothefuzzymembershipasafunctionofdistancebetweenthepointanditsclasscenterinfeaturespaceforsomecurrentfuzzysupportvectormachines,anewandmoreeffectivefuzzymembershipasafunctionofaffinityamongsamplesisproposedforthemeasuremen

5、toftheinaccuracyofsamples.Thefuzzymembershipisdefinedbynotonlytherelationbetweenasampleanditsclustercenter,butalsothoseamongsamples,whichisdescribedbythefuzzyconnectednessamongsamples.Thefuzzymembershipbasedontheaffinityamongsamplesforsupportvectormachineeffectivelyd

6、istinguishesbetweensupportvectorsandoutliersornoises.Experimentalresultsshowthatthefuzzysupportvectormachine,basedontheaffinityamongsamplesismorerobustthanthetraditionalsupportvectormachine,andfuzzysupportvectormachinestakenbyothertwofuzzymemberships.Keywordssupportv

7、ectormachine,fuzzymembership,affinity些含有“异常”信息的样本在特征空间中常常位于1引言分类面附近,导致获得的分类面不是真正的最优分类面。另外,在实际应用中,对某些重要的类需要非尽管支持向量机方法具有较好的推广能力,由常高的分类精度,而对其他类分类精度的要求相对于在构造最优分类面时所有的支持向量样本具有相低一些,所有这些问题,对于常规的支持向量机方法同的作用,当训练样本中含有噪声与野值样本时,这都无法解决。针对这种情况,提出了模糊支持向量基金项目:国家自然科学基金项目(60273005);湖北

8、省自然科学基金项目(2004ABA043);中国博士后科学基金(2005038310);湖北省教育厅科学技术研究重点项目(D200612002)收稿日期:2005208225;改回日期:2005210217第一作者简介:张翔(1969~),男,副教授,清华大学博

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。