基于KFCM的子空间样本选择方法

• 作者: 吴陈 杨习贝 汤莹 许友权
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 核模糊聚类 支持向量机 样本选择 子空间 模糊熵
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 基金项目
• 页码范围: 30-34
• 页数: 5页
• 分类号: TP181|TP301.6
• 字数: 3791字
• 语种: 中文

摘要

针对训练样本中包含边界样本数量的多少对支持向量机分类的精度起主要作用,提出基于核模糊C均值算法(KFCM)先对样本集进行聚类,然后利用得到的模糊隶属度矩阵计算样本的模糊熵,通过设定阈值进行子空间样本的选择,最后将得到的子空间样本作为支持向量机(SVM)的训练样本.实验结果证实,由于应用了KFCM方法克服了一些传统样本选择方法在不知道样本类别的情况下,其无法较准确地对任意形状的簇的子空间样本进行选择,同时该方法保留了典型样本,减少了训练样本的数量,从而保证了分类器的性能和较高的训练效率.通过实验比较,该方法在选取子空间样本的性能上比传统的方法要好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨习贝	江苏科技大学计算机科学与工程学院	86	555	13.0	20.0
5	吴陈	江苏科技大学计算机科学与工程学院	95	641	13.0	20.0
6	许友权	江苏科技大学计算机科学与工程学院	3	9	1.0	3.0
7	汤莹	江苏科技大学计算机科学与工程学院	2	6	1.0	2.0