| 双隶属度模糊支持向量机算法 |
| |
| 引用本文： | 黄颖,李伟,刘发升.双隶属度模糊支持向量机算法[J].计算机应用,2007,27(11):2821-2824. |
| |
| 作者姓名： | 黄颖 李伟 刘发升 |
| |
| 作者单位： | 江西理工大学,信息工程学院,江西,赣州,341000 |
| |
| 基金项目： | 江西省自然科学基金
,
江西省重点实验室基金
,
江西省科技厅科技攻关项目 |
| |
| 摘 要： | 对现有的模糊支持向量机进行分析，提出一种改进的模糊支持向量机算法——双隶属度模糊支持向量机法（DM FSVM）。在传统的模糊支持向量机模型中，每一个训练样本的隶属函数中只有一个隶属度，而DM FSVM中每一个训练样本拥有两个隶属度。它既能保持传统模糊支持向量机的优点，又能充分利用有限样本，增加其分类推广能力。实验表明该算法较好地提高了分类精度。
|
| 关 键 词： | 支持向量机 模糊支持向量机 隶属度 双隶属度 |
| 文章编号： | 1001-9081(2007)11-2821-03 |
| 收稿时间： | 2007-05-08 |
| 修稿时间： | 2007年5月8日 |
Fuzzy support vector machine algorithm with dual membership |
| |
| HUANG Ying,LI Wei,LIU Fa-sheng.Fuzzy support vector machine algorithm with dual membership[J].journal of Computer Applications,2007,27(11):2821-2824. |
| |
| Authors: | HUANG Ying LI Wei LIU Fa-sheng |
| |
| Abstract: | Based on traditional fuzzy support vector machine (FSVM), a new fuzzy support vector machine, dual membership fuzzy support vector machine (DM-FSVM), was presented. There is only one membership in traditional support vector machine (SVM) model; however, there are two memberships in DM FSVM. This method not only keeps the advantages of traditional FSVM, but also makes full use of limited data and improves the classification efficiencies. Experiments show that DM FSVM improves the classification accuracy. |
| |
| Keywords: | support vector machine fuzzy support vector machine membership dual membership |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用》浏览原始摘要信息 |
|
点击此处可从《计算机应用》下载全文 |
