非球形分布数据集的去噪方法

• 作者: 张岩 郑宏亮 闫德勤
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 支持向量机 粗糙支持向量机 噪声过滤系统 等价类 去噪
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 2786-2789
• 分类号: TP18
• 字数: 3110字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2011.02786

摘要

针对传统支持向量机(SVM)对噪声点过于敏感,模糊支持向量机(FSVM)又对样本集几何形状过分依赖等问题,提出基于噪声过滤系统的粗糙支持向量机(NFS-RSVM).该方法首先用噪声过滤系统(NFs)将极可能为噪声点的样本过滤掉；然后将数据间隐含的等价类信息作为双惩戒因子融入到支持向量机模型中,进一步区分有效样本和噪声样本.基于UCI数据集的仿真结果表明,NFS-PSVM方法能有效地将数据中的大部分噪声点去除,与传统的SVM和FSVM相比分类精度有一定程度的提高.因此,该方法在处理噪声样本较多又呈现非球形分布的数据集时,表现出较好的抗噪性、分类效果和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑宏亮	辽宁师范大学计算机与信息技术学院	25	128	7.0	10.0
2	闫德勤	辽宁师范大学计算机与信息技术学院	124	1071	15.0	28.0
3	张岩	辽宁师范大学计算机与信息技术学院	14	27	3.0	4.0