核对齐多核模糊支持向量机

• 作者: 何强 张娇阳
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 核函数 支持向量机 粗糙集理论 监督学习 模糊分类 模糊隶属函数 鲁棒性 噪声
• 年，卷（期）: 2019,（6）
• 页码范围: 1163-1169
• 页数: 7页
• 分类号: TP181
• 字数: 4645字
• 语种: 中文
• DOI: 10.11992/tis.201904050

摘要

支持向量机(SVMs)是当前被广泛使用的机器学习技术,其通过最优分割超平面来提高分类器的泛化能力,在实际应用中表现优异.然而SVM也存在易受噪声影响,以及核函数选择等难题.针对以上问题,本文将基于核对齐的多核学习方法引入到模糊支持向量机(fuzzy support vector machine,FSVM)中,提出了模糊多核支持向量机模型(multiple kernel fuzzy support vector machine,MFSVM).MFSVM通过模糊粗糙集方法计算每一样例隶属度;其次,利用核对齐的多核方法计算每一单核权重,并将组合核引入到模糊支持向量机中.该方法不仅提高了支持向量机的抗噪声能力,也有效避免了核选择难题.在UCI数据库上进行实验,结果表明本文所提方法具有较高的分类精度,验证了该方法的可行性与有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何强	北京建筑大学理学院	7	5	1.0	1.0
2	张娇阳	北京建筑大学理学院	1	0	0.0	0.0