基于不等距超平面距离的模糊支持向量机
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

山东省自然科学基金(ZR2014FQ018)


Fuzzy Support Vector Machine Algorithm Based on Inequality Hyper-Plane Distance
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    随着大数据和人工智能时代的到来,支持向量机已在许多方面成功应用,并成为解决分类问题的常用方法之一.但现实中的许多数据都是不平衡的,令其分类性能大幅降低.本文提出了用不等距超平面距离改进原始的标准模糊支持向量机,向模型中加入参数λ控制分类面与样本之间的距离,并通过计算样本距离得到模糊隶属度函数,可以改善样本分布不均和噪声数据令分类准确度下降问题.利用实验验证本文算法的有效性,结果说明本文提出的算法能够有效提高不平衡数据的分类效果.

    Abstract:

    In the age of the big data and artificial intelligence, Support Vector Machine (SVM) has been successfully applied in many aspects and becomes one of the common methods to solve classification problems. But the real world data is usually imbalanced, making its performance of classification significantly decreased. This study proposes to improve original standard Fuzzy Support Vector Machine (FSVM) by using inequality hyper-plane distance. The algorithm introduces parameter λ to controls the distance between hyper-plane and categories, and constructs fuzzy membership function by calculating sample mutually center distance, which can improve the falling precision of classification caused by imbalanced distribution of sample and noise data. The effectiveness of the proposed algorithm is verified by experiments, and the result shows that the proposed algorithm has a better effect of imbalanced data.

    参考文献
    相似文献
    引证文献
引用本文

李村合,姜宇,李帅.基于不等距超平面距离的模糊支持向量机.计算机系统应用,2020,29(10):185-191

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2020-01-20
  • 最后修改日期:2020-02-12
  • 录用日期:
  • 在线发布日期: 2020-09-30
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号