基于两阶段聚类的模糊支持向量机

• 作者: 刘玉树 祁立
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 密度聚类 支持向量 模糊支持向量机
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 博士论文
• 页码范围: 4-6
• 页数: 3页
• 分类号: TP301.6
• 字数: 3557字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2008.01.002

摘要

为了提高模糊支持向量机在大数据集上的训练效率,提出一种基于两阶段聚类的模糊支持向量机算法.第1阶段为粗粒度聚类阶段,在每类训练样本上执行密度聚类算法,设置较大的邻域半径(给定邻域内最小点数),保证可能成为支持向量的样本点都被选取;第2阶段为自适应聚类阶段,在粗选的数据集合上,执行自适应密度聚类算法,根据各个点距离分类面的远近,自适应决定该点的邻域半径(给定邻域内最小点数).这样可有效地减少远离分类面的聚类边缘点的数量,同时在分类面附近保持较多的样本点,试验结果表明,基于两阶段聚类模糊支持向量机算法,相比以往的方法,不仅提高了模糊支持向量机的训练效率,同时保持了较好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘玉树	北京理工大学计算机科学技术学院	150	2634	25.0	46.0
2	祁立	北京理工大学计算机科学技术学院	3	27	3.0	3.0