引入调整项的模糊孪生支持向量机

• 作者: 李凯 胡少方 顾丽凤
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 孪生支持向量机 结构风险 经验风险 模糊隶属度
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 260-264
• 页数: 5页
• 分类号: TP181
• 字数: 5712字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.08.044

摘要

模糊孪生支持向量机是一种重要的机器学习方法,克服了噪声或异常数据对分类的影响;然而,该方法考虑的仍是经验风险,从而使得训练过程易出现过拟合现象.为了解决该问题,通过引入调整项,提出了一种改进的模糊孪生支持向量机模型,利用二次规划求解方法和超松弛迭代法对模型进行求解,获得了用于分类的决策面.实验中选取UCI标准数据集验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李凯	河北大学计算机科学与技术学院	52	435	12.0	19.0
2	胡少方	河北大学计算机科学与技术学院	2	7	2.0	2.0
3	顾丽凤	河北大学计算机科学与技术学院	2	8	2.0	2.0