兩種改進的模糊支持向量機.pdf

1、基于類中心確定隸屬度函數的模糊支持向量機能有效地解決支持向量機對噪聲或孤立點敏感度高的問題，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。基于此，提出一種新的隸屬度函數確定方法。同時，針對模糊支持向量機普遍存在因核函數計算量大，而導致訓練時間長的問題，通過使用一種高效的去邊緣方法對訓練樣本進行預處理，去掉部分不是支持向量的樣本，優(yōu)化約簡訓練樣本的個數以提高訓練速度。根據上述新的隸屬度函數確定方法和去邊緣方法，構建了一種新

2、的模糊支持向量機，數值實驗表明這種新的模糊支持向量機有效地提高了訓練速度和分類精度。然而，這種新的模糊支持向量機在處理非均衡數據分類問題時，樣本數量少的類的錯分率明顯高于樣本數量多的類的錯分率。針對這種不足，提出一種適用于非均衡數據分類問題的隸屬度函數確定方法，構造了基于非均衡數據的模糊支持向量機。實驗表明，這種模糊支持向量機在處理非均衡數據分類問題時，在確保分類精度較高的同時，能有效地降低樣本數量少的類的錯分率，從而使兩類的錯分率趨近