一种改进的模糊多类支持向量机算法

• 作者: 崔广顺 李广莉
• 来源期刊: 计算机测量与控制
• 关键词: 支持向量机 统计学习理论 多类分类 模糊隶属函数
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 设计与应用
• 页码范围: 908-910,914
• 分类号: TP391
• 语种: 中文

摘要

支持向量机是基于统计学习理论的新一代机器学习技术;由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题;针对目前模糊支持向量机方法中,一般使用样本与类中心之间的距离关系构建隶属度函数的不足,以统计学习理论和支持向量机为基础,提出了一种改进的模糊多类支持向量机方法,它是在全局优化分类的基础上,引入模糊隶属函数,然后利用改进的序列最小最优化算法求解模糊多类支持向量机,实验结果显示运行时间减少了,方法是可行的和有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李广莉	承德石油高等专科学校计算机与信息工程系	10	37	4.0	5.0
2	崔广顺	承德石油高等专科学校计算机与信息工程系	1	10	1.0	1.0