基于多区域划分的模糊支持向量机方法

摘要：

针对模糊支持向量机(FSVM)方法无法有效定位支持向量，在确定隶属度时易丢失分类信息的问题，提出一种基于多区域划分的FSVM方法。该方法先利用传统SVM获取支持向量的大体位置，作为对FSVM支持向量的近似估计，再进一步融合带负类样本的支持向量域描述(SVDD-neg)模型，对样本空间进行划分，最后根据样本所在的区域按不同的规律确定隶属度。研究结果表明：这种隶属度确定方式不仅能有效削弱野值样本的影响，而且也会提高支持向量的隶属度。与基于样本紧密度以及基于样本到类内超平面距离的FSVM方法相比，该方法具有更好的抗噪性能和泛化能力。

关键词：模糊支持向量机、多区域划分、野值、支持向量、隶属度

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目61372167@@@@Project61372167 supported by the National Natural Science Foundation of China

在线出版日期：2015-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1680-1687