一种改进的模糊支持向量机算法 (2007年)

模糊隶属度函数设计是模糊支持向量机中的关键步骤。 Lin & Wang提出的基于类中心距离的模糊隶属度设 计方法,不能从样本集中有效区分噪声或野值点,而且可能降低支持向量的隶属度。针对上述不足,提出一种改进的 隶属度函数设计方法。通过引入一个半径控制因子,充分利用样本间的信息,更加合理地设计样本的模糊隶属度。与 基于类中心的隶属度方法相比,该方法在不增加时间复杂度的情况下,通过数值实验表明了方法的优势,大大提高 了模糊支持向量机的分类精度。