改进隶属度FSVM方法在多类别分类中的应用  

Application of an Improved Samples Uniformity Membership of FSVM in the Multi-class Classification

作　　者：任东[1] 于海业[1] 王纪华 乔晓军[2] 

机构地区：[1]吉林大学生物与农业工程学院,长春130028 [2]国家农业信息化工程技术研究中心,北京100097

出　　处：《农机化研究》2008年第1期16-18,共3页Journal of Agricultural Mechanization Research

基　　金：农业科技成果转化资金项目(05EFN211100002);北京市科技计划项目(Z0005190040831)

摘　　要：着重研究了模糊决策函数的隶属度计算方法,提出了一种新的隶属度计算方法—基于样本均匀度的隶属度方法。同时,将提出的方法应用于温室作物病害诊断系统中,得到了较好的实验结果,也验证了改进模糊支持向量机优于一般"一对一"和"一对多"的多类别分类方法。研究证明,采用样本均匀度隶属度FSVM方法分类性能最好。This paper studies the fuzzy membership function calculation method proposed a new classificatlon calculation method-based on samples uniformity membership of FSVM method. The method that this paper presents has been applied in greenhouse crops disease diagnosis system for, and got a good result. Improved fuzzy support vector machine has been proved to be superior to the ordinary ＂one-on-one＂ and ＂one-to-many＂ method. Samples uniformity membership of FSVM is the best multi-class classification method.

关 键 词：计算机应用 模糊支持向量机 理论研究 多类别分类 温室植物病害 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]