核模糊C均值聚类粒度支持向量机方法研究

• 作者: 张文兴 张鑫礼 王建国
• 来源期刊: 中国测试
• 关键词: 支持向量机 模糊C均值聚类 粒度计算 粒度支持向量机 核方法
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 测控技术
• 页码范围: 96-99
• 页数: 4页
• 字数: 2560字
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2016.02.022

摘要

针对传统粒度支持向量机(granular support vector machine,GSVM)在处理大规模数据集时划分方法的随机性严重影响模型训练效能的情况,提出一种基于核模糊C均值聚类的粒度支持向量机(granular support vector machinebased on kernel-based fuzzy c-means cluster,GSVM-KFCM)的方法.首先利用核映射将数据映射到高维空间进行聚类划分得到若干个信息粒,然后在每个信息粒中进行支持向量机的训练,提取出关键信息并融合建立最终决策模型.实验结果表明:该方法可以降低大规模数据集的训练时间,同时也能提高算法的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张文兴	内蒙古科技大学机械工程学院	39	127	6.0	8.0
2	王建国	内蒙古科技大学机械工程学院	112	350	8.0	11.0
3	张鑫礼	内蒙古科技大学机械工程学院	3	12	2.0	3.0