具有模糊隶属度的模糊支持向量机算法

• 作者: 唐浩 孙峰 廖与禾 谢航
• 来源期刊: 西安交通大学学报
• 关键词: 模糊支持向量机 模糊隶属度 故障诊断
• 年，卷（期）: 2009,（7）
• 页码范围: 40-43
• 页数: 4页
• 分类号: TP181|TB533
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987X.2009.07.009

摘要

针对传统支持向量机(SVM)由于样本中存在孤立点数据或噪声而导致的过学习问题,通过分析模糊支持向量机(FSVM)的特点,指出其关键在于如何构建模糊隶属度,为此结合k近邻法思想提出了一种新的隶属度函数构造方法.该方法不仅考虑了样本点到类中心的距离,而且对各样本点排列的紧密程度也进行了估计,与传统SVM相比,它对样本的分类更为清晰和准确.将该方法应用于汽车发动机的实际故障诊断中,结果表明:SVM与普通FSVM的分类正确率较低,而采用新的模糊隶属度的FSVM算法却有较高的识别率,当k为5时分类正确率达到了70.93%,因此验证了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙峰	西安交通大学机械工程学院	8	229	7.0	8.0
2	廖与禾	西安交通大学机械工程学院	21	170	8.0	12.0
3	唐浩	西安交通大学机械工程学院	3	80	2.0	3.0
4	谢航	西安交通大学机械工程学院	8	69	3.0	8.0