双隶属度模糊支持向量机算法  

Fuzzy support vector machine algorithm with dual membership

作　　者：黄颖[1] 李伟[1] 刘发升[1] 

机构地区：[1]江西理工大学信息工程学院,江西赣州341000

出　　处：《计算机应用》2007年第11期2821-2823,共3页journal of Computer Applications

基　　金：江西省自然科学基金资助项目(0411046);江西省高性能计算技术重点实验室资助基金项目(JXHC220052003);江西省科技厅工业攻关项目(赣财教[2005]132号)

摘　　要：对现有的模糊支持向量机进行分析,提出一种改进的模糊支持向量机算法——双隶属度模糊支持向量机法(DM-FSVM)。在传统的模糊支持向量机模型中,每一个训练样本的隶属函数中只有一个隶属度,而DM-FSVM中每一个训练样本拥有两个隶属度。它既能保持传统模糊支持向量机的优点,又能充分利用有限样本,增加其分类推广能力。实验表明该算法较好地提高了分类精度。Based on traditional fuzzy support vector machine （FSVM）, a new fuzzy support vector machine, dual membership fuzzy support vector machine （DM-FSVM）, was presented. There is only one membership in traditional support vector machine （SVM） model; however, there are two memberships in DM-FSVM. This method not only keeps the advantages of traditional FSVM, but also makes full use of limited data and improves the classification efficiencies. Experiments show that DM-FSVM improves the classification accuracy.

关 键 词：支持向量机 模糊支持向量机 隶属度 双隶属度 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] TP311.131[自动化与计算机技术—控制科学与工程]