基于类向心度的模糊支持向量机-论文.pdf

《基于类向心度的模糊支持向量机-论文.pdf》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、CN43—1258／TP计算机工程与科学第36卷第8期2014年8月ISSN1OO7—13OXComputerEngineering&ScienceVo1．36，No．8，Aug．2014文章编号：1007—130X(2014)08—1623—06基于类向心度的模糊支持向量机许翠云，业宁(南京林业大学信息科学技术学院，江苏南京210037)摘要：传统支持向量机(SVM)训练含有噪声或野值点的数据时，容易产生过拟合，而模糊支持向量机可以有效地处理这种问题。针对使用样本与类中心之间的距离关系来构建模

2、糊支持向量机隶属度函数的不足，提出了一种基于类向心度的模糊支持向量机(CCD-FSVM)。该方法不仅考虑到样本与类中心之间的关系，还考虑到类中各个样本之间的联系，并用类向心度来表示。将类向心度应用于模糊隶属度函数的设计，能够很好地将有效样本与噪声、野值点样本区分开来，而且可以通过向心度的大小，对混合度比较高的样本进行区分，从而达到提高分类精度的效果。实验结果表明，基于类向心度的模糊支持向量机其分类正确率比支持向量机高，在使用三种不同隶属度函数的FSVM中，该方法的抗噪性能最好，分类性能最强。关键

3、词：模糊支持向量机；隶属度函数；类向心度中图分类号：TP391．3文献标志码：Adoi：10．3969／．issn．1007—130X．2014．08．035AnovelfuzzysupportvectormachinebasedontheclasscentripetaldegreeXUCui—yun，YENing(SchoolofInformationTechnology，NanjingForestryUniversity，Nanjing210037，China)Abstract：Thetra

4、ditionalsupportvectormachine(SVM)oftenfallsintoover-fittingwhenoutliersarecontainedinthetrainingdata．Thefuzzysupportvectormachinecaneffectivelydealwiththisprob—lem．Accordingtothedeficiencyofthemembershipfunctiondesignedbasedonthedistancebetweenasampl

5、eanditsclustercenter，anovelfuzzysupportvectormachinebasedontheclasscentripetaldegree(CCD—FSVM)iSproposed．Itcombinesthedistancebetweenasampleanditsclustercenterwiththere—lationshipbetweensamplesexpressedastheclasscentripetaldegree．Thisfunctioncaneffec

6、tivelysepa—ratethevalidsamplesfromthenoisesoroutliers．Besides，thesizeoftheclasscentripetaldegreecanre—flectthesamplesmixeddegree．Experimentalresultsshowthatthefuzzysupportvectormachinebasedontheclasscentripetaldegreeismorerobustthanthetraditionalsupp

7、ortvectormachine，anditoutper—formstheothertwoFSVMcounterpartswithdifferentmembershipfunctionsintermsofantinoiseandclassificationperformance．Keywords：fuzzysupportvectormachine；membershipfunction；classcentripetaldegreechines)是将结构风险最小化原则引入到分类的引言一种机器学习方法

8、，它基于统计学习理论，致力于在属性空间中构建最优分类超平面，从而获得分类支持向量机SVM(SupportVectorMa—器的全局最优解。SVM泛化能力强，能够较好地*收稿日期：2012-09—13；修回日期：2013-Ol一21基金项目：国家973计划资助项目(2012CBI14505)；国家杰出青年计划资助项目(31125008)；江苏省研究生创新基金资助项目(cL11o525，Cxz12一一o527)；江苏省青蓝工程学术带头人；江苏省六大人才高峰(电子信息类)．通信地址：210037江苏省