兩種改進(jìn)的模糊支持向量機(jī).pdf

1、基于類中心確定隸屬度函數(shù)的模糊支持向量機(jī)能有效地解決支持向量機(jī)對噪聲或孤立點(diǎn)敏感度高的問題，但是，由于它對支持向量賦予較小的隸屬度，從而降低了其分類作用?；诖?，提出一種新的隸屬度函數(shù)確定方法。同時，針對模糊支持向量機(jī)普遍存在因核函數(shù)計算量大，而導(dǎo)致訓(xùn)練時間長的問題，通過使用一種高效的去邊緣方法對訓(xùn)練樣本進(jìn)行預(yù)處理，去掉部分不是支持向量的樣本，優(yōu)化約簡訓(xùn)練樣本的個數(shù)以提高訓(xùn)練速度。根據(jù)上述新的隸屬度函數(shù)確定方法和去邊緣方法，構(gòu)建了一種新

2、的模糊支持向量機(jī)，數(shù)值實(shí)驗(yàn)表明這種新的模糊支持向量機(jī)有效地提高了訓(xùn)練速度和分類精度。然而，這種新的模糊支持向量機(jī)在處理非均衡數(shù)據(jù)分類問題時，樣本數(shù)量少的類的錯分率明顯高于樣本數(shù)量多的類的錯分率。針對這種不足，提出一種適用于非均衡數(shù)據(jù)分類問題的隸屬度函數(shù)確定方法，構(gòu)造了基于非均衡數(shù)據(jù)的模糊支持向量機(jī)。實(shí)驗(yàn)表明，這種模糊支持向量機(jī)在處理非均衡數(shù)據(jù)分類問題時，在確保分類精度較高的同時，能有效地降低樣本數(shù)量少的類的錯分率，從而使兩類的錯分率趨近