| 一种基于Vague-Sigmoid核的支持向量机研究 |
| |
| 引用本文： | 张永,迟忠先,李克秋. 一种基于Vague-Sigmoid核的支持向量机研究[J]. 小型微型计算机系统, 2008, 29(7) |
| |
| 作者姓名： | 张永 迟忠先 李克秋 |
| |
| 作者单位： | 1. 辽宁师范大学,计算机系,辽宁,大连,116029;大连理工大学,计算机科学与工程系,辽宁,大连,116024
2. 大连理工大学,计算机科学与工程系,辽宁,大连,116024 |
| |
| 基金项目： | 国家科技型中小企业技术创新基金 |
| |
| 摘 要： | Sigmoid核最初起源于神经网络,目前在支持向量机中也得到了广泛应用,但由于核矩阵的非半正定性,其应用受到一些限制.研究表明Sigmoid核可以用简单的模糊三角隶属函数来近似替代,使得其学习效率能进一步提高.本文首先分析模糊支持向量机的特性,将模糊理论用于支持向量机的核中,并在此基础上提出了基于Vague-Sigmoid核函数的支持向量分类器.该方法充分结合了Vague集的自身优势,用基于Vague集的相似度量来代替了常规中的样本间的点积计算方法.将文中提出的方法应用于标准数据集中,并与传统的Sigmoid核方法、Fuzzy -Sigmoid核方法进行了实验分析, 实验表明文中提出的方法在不损失精度的情况下,能较好的提高算法的执行效率,取得了较好的实验结果;同时也表明在支持向量机中能利用Vague-S igmoid核取代替传统的Sigmoid核,从而减少对Sigmoid核的限制.
|
| 关 键 词： | 支持向量机 模糊核 Vague集 分类器 支持向量机 研究 Kernel Based 利用 结果 执行效率 算法 情况 精度 损失 实验分析 Fuzzy 核方法 数据集 标准 计算方法 样本 相似度量 优势 |
A Novel SVM Based on Vague-sigmoid Kernel |
| |
| ZHANG Yong,CHI Zhong-xian,LI Ke-qiu. A Novel SVM Based on Vague-sigmoid Kernel[J]. Mini-micro Systems, 2008, 29(7) |
| |
| Authors: | ZHANG Yong CHI Zhong-xian LI Ke-qiu |
| |
| Affiliation: | ZHANG Yong1,2,CHI Zhong-xian2,LI Ke-qiu21(Department of Computer,Liaoning Normal University,Dalian 116029,China)2(Department of Computer Science , Engineering,Dalian University of Technology,Dalian 116024,China) |
| |
| Abstract: | Support vector machine(SVM),proposed by Vapnik based on statistical learning theory(SLT),is a novel machine learning method which has been applied to many application fields successfully.The sigmoid kernel was quite popular for support vector machines due to its origin from neural networks.Although it is known that the kernel matrix may not be positive semi-definite(PSD),the sigmoid kernel matrix is conditionally positive definite(CPD) in certain parameters and thus is valid kernel there.Research shows that... |
| |
| Keywords: | support vector machine fuzzy kernel vague set classifier |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
