模糊主分量分类器

• 作者: 杨绪兵 韩自存
• 来源期刊: 安徽工程科技学院学报（自然科学版）
• 学科: 工学
• 关键词: 主分量分类器 支持向量机 野值 核化
• 年，卷（期）: 2007,（1）
• 页码范围: 45-50
• 页数: 6页
• 分类号: TP391
• 字数: 3731字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0977.2007.01.011

摘要

W.J.Hu 提出的主分量分类器(PCC)通过最大化两类样本在分类面法方向上的投影代数和,实现样本分类.PCC是基于样本的统计平均特性,所以少量的野值对分类面方向的确定影响较小,而SVM对野值较为敏感.PCC与支持向量机相比具有较好的鲁棒性.但是PCC对野值的处理等同于其他样本,尽管有效果,但仍会影响分类面的求取,同时也缺乏直观上(或物理上)的解释,而且没有考虑随机噪声对分类面的影响.鉴于此,在PCC的基础上进行改进,引入模糊思想,设计了一组模糊型的主分量分类器,进一步弱化野值和随机噪声对分类面的影响.人工数据集和Beachmark数据集上的实验证明了新分类器的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨绪兵	安徽工程科技学院应用数理系	4	10	2.0	3.0
2	韩自存	安徽工程科技学院艺术设计系	3	9	2.0	3.0