基于类心距离的模糊支持向量数据描述

• 作者: 王喆 王敏光
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 模式识别 支持向量数据描述 权重
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 230-233,242
• 页数: 5页
• 分类号: TP391
• 字数: 4171字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.5.042

摘要

针对传统的支持向量数据描述模型忽略了样本分布的重要性,提出了基于类心距离的模糊支持向量数据描述算法,并将其应用在UCI机器学习数据库的二分类和多分类数据集中.该算法利用样本到两类中心距离的比值赋予样本权重,增大贡献度大的样本的权重,降低贡献度小的样本的权重,突出样本之间的差异性,从而提高了算法的分类效果.实验表明,该算法具有比传统支持向量数据描述更好的学习能力和分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王喆	华东理工大学信息科学与工程学院	18	41	4.0	6.0
2	王敏光	华东理工大学信息科学与工程学院	1	1	1.0	1.0