粗糙集理论下的支持向量机新模型研究

• 作者: 刘婷婷 张岩 闫德勤
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 支持向量机 粗糙支持向量机 粗糙集 等价类
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 研究与设计
• 页码范围: 9-12
• 分类号: TP18
• 字数: 3326字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2011.10.003

摘要

支持向量机(SVM)是一种重要的分类工具,其有效性依赖于对数据信息获取的准确性.传统的支持向量机模型对于噪声点过于敏感,从而分类面的选取往往会偏离最优解.因此将粗糙集理论引入到支持向量机中,去解决由于噪声点和野点数据的存在而出现的过适应问题,同时将数据之间一个非常重要的关联信息——等价类信息考虑进去,从而提出一种新的粗糙支持向量机(RSVM)模型.对比实验表明,新的RSVM比传统的支持向量机(CSVM)和模糊支持向量机(FSVM)尤其是在处理多类数据问题时,其测试精度有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫德勤		124	1071	15.0	28.0
2	张岩		14	27	3.0	4.0
3	刘婷婷		9	29	3.0	5.0