粗糙支持向量机  

Rough Support Vector Machine

作　　者：梁宏霞[1] 闫德勤[1] 

机构地区：[1]辽宁师范大学计算机与信息技术学院,大连116029

出　　处：《计算机科学》2009年第4期208-210,共3页Computer Science

基　　金：国家自然科学基金(No.60372071);中国科学院自动化研究所复杂系统与智能科学重点实验室开放课题基金(20070101);辽宁省教育厅高等学校科学研究基金(2004C031)资助

摘　　要：支持向量机(SVM)是一种重要的数据机器学习工具,其有效性依赖于对数据信息获取的准确性。以往的支持向量机模型都没有考虑到数据等价类信息。为此,基于粗糙集理论和支持向量机思想,提出了一种新的支持向量机模型——粗糙支持向量机(RSVM)。采用UCI机器学习数据库中的数据做对比实验,结果表明RSVM比传统支持向量机(SVM)和模糊支持向量机(FSVM)都有较高的测试精度。As a powerful machine learning tool, support vector machine （SVM） is now widely used and studied. However,one kind model of SVM is not absolutely suitable for all kind of data. The effectiveness of a SVM depends on correctness of acquiring the information of data. With consideration of acquiring the equivalence information among data, based on the theory of rough sets and SVM, a new model called rough support vector machine （RSVM） was proposed. The data used in experiments are selected from UCI machine learning data base. For comparison, three kinds of support vector machine, traditional support vector machine （SVM）, fuzzy support vector machine （FSVM） and RSVM are used in experiments. The results of experiments show that compared with SVM and FSVM, RSVM has a remarkable predictive accuracy.

关 键 词：支持向量机 等价类 粗糙支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]