一种改进的模糊多类支持向量机算法

作者：李广莉; 崔广顺

来源：计算机测量与控制, 2011, (04): 908-910+914.

DOI：10.16526/j.cnki.11-4762/tp.2011.04.052

• 支持向量机
• 统计学习理论
• 多类分类
• 模糊隶属函数 support vector machine
• statistical learning thery
• multiclassification method
• fuzzy membership of data samples

支持向量机是基于统计学习理论的新一代机器学习技术;由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题;针对目前模糊支持向量机方法中,一般使用样本与类中心之间的距离关系构建隶属度函数的不足,以统计学习理论和支持向量机为基础,提出了一种改进的模糊多类支持向量机方法,它是在全局优化分类的基础上,引入模糊隶属函数,然后利用改进的序列最小最优化算法求解模糊多类支持向量机,实验结果显示运行时间减少了,方法是可行的和有效的。

• 单位
  承德石油高等专科学校