基于模糊分割的支持向量机分类器

摘要：

支持向量机算法对噪声点和异常点是敏感的,为了解决这个问题,人们提出了模糊支持向量机,但其中的模糊隶属度函数需要人为设置.提出基于模糊分割的支持向量机分类器.在该算法中,首先根据聚类有效性用模糊c-均值聚类分别对训练集中的正负类数据聚类;然后,选择距离最近的c个聚类对构成c个二分类问题;最后,对c个二分类器用加权平均策略得到最终分类结果.为了验证所提算法的有效性,对三个UCI数据集进行了数值实验,结果表明,该算法能有效提高带噪声点和异常点数据集分类的预测精度.

关键词：模糊分割、聚类有效性、支持向量机、噪声点、异常点

所属期刊栏目：43

分类号：TP181(自动化基础理论)

资助基金：广东省自然科学基金04020079;吉林大学符号计算与知识工程教育部重点实验室开放课题93K-17-2006-03;华南理工大学校科研和教改项目B13-E5050190

在线出版日期：2007-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：187-189,248