DP聚类的可信性加权模糊支持向量机

• 作者: 杨志民 王甜甜 盛晓遐
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 离群点 不平衡数据 密度峰(DP) 加权模糊支持向量机 模糊隶属度 可信性
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 169-178
• 页数: 10页
• 分类号: TP18|O159
• 字数: 5220字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1804-0054

摘要

由于SVM(Support Vector Machine)在有离群点和不平衡数据的问题中分类性能相对较低,有研究者提出了一种面向不均衡分类的隶属度加权模糊支持向量机,只是文中的模糊隶属度并不能较好衡量样本点对确定最佳分划超平面所做的贡献大小.针对以上问题提出了密度峰(Density Peaks,DP)聚类的可信性加权模糊支持向量机.首先由DP聚类找到离群点后剔除.再根据点到由DEC(Different Error Costs)确定的超平面的距离,得到初始隶属度,并用改进的FSVM-CIL(Fuzzy Support Vector Machines for Class Imbalance Learning)更新隶属度.之后剔除部分样本点,起到简约样本的作用,并减少数据不平衡带来的影响.通过实验验证了所提出算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨志民	浙江工业大学之江学院	15	149	8.0	12.0
2	盛晓遐	浙江工业大学理学院	1	0	0.0	0.0
3	王甜甜	浙江工业大学理学院	2	6	1.0	2.0