科研之友
微信
新浪微博
Facebook
分享链接
摘要
最小二乘支持向量机只需求解一个线性方程组即可得到闭式解，训练速度快，因而广泛应用于分类问题。但最小二乘支持向量机模型容易受到离群点和噪声的影响，往往使得其分类精度下降，样本点的模糊加权是解决该问题的一种有效方法。直觉模糊集既包含样本点的隶属度信息又包含样本点的非隶属度信息，可以更加详细地刻画样本点的分布特征。为此，基于直觉模糊集，通过剔除离群点得到更加准确的类中心，再计算样本点到类中心的距离，得到样本点对其所在类的隶属度程度。同时，采用核k近邻的方法，查找样本点的k个近邻里另一类样本点的数量，进而得到样本点的非隶属度信息。最后，根据样本点的隶属度与非隶属度得到一种新的模糊值。进一步将提出的模糊值用于改进最小二乘支持向量机模型，通过赋予离群点和噪声低的模糊值，减少了它们对最小二乘支持向量机模型的影响，提高了最小二乘支持向量机模型的精度。实验结果表明，与已有算法对比，提出的算法可以有效降低离群点和噪声对最小二乘支持向量机模型的影响，提高模型的鲁棒性。
- 单位
