一种改进的FLS-SVM分类辨识模型及其应用

• 作者: 左红艳 王涛生
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 混沌免疫算法 模糊最小二乘支持向量机 分类辨识
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 机械工程·控制科学与工程
• 页码范围: 2097-2104
• 页数: 8页
• 分类号: TP183
• 字数: 5118字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2017.08.017

摘要

采用三角形函数隶属度法确定模糊最小二乘支持向量机(fuzzy least squares support vector machine,FLS-SVM)输入参数隶属度,采用自适应变尺度混沌免疫算法优化FLS-SVM的参数,从而构建改进模糊最小二乘支持向量机(improved fuzzy least squares support vector machines,IFLS-SVM)分类辨识模型,用Ripley数据集、MONK数据集和PIMA数据集进行仿真实验,并用于地下金属矿山采场信号分类辨识与中国国际贸易安全分类辨识.研究结果表明:与LS-SVM分类辨识模型和FLS-SVM分类辨识模型相比,IFLS-SVM分类辨识模型能有效提高带噪声点和异常点数据集的分类精度,且分类辨识精度相对误差较小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王涛生	湖南涉外经济学院商学院	48	284	9.0	16.0
2	左红艳	中南大学资源与安全工程学院	7	114	5.0	7.0