基于熵和蚁群算法的模糊支持向量机新方法  

New Fuzzy Support Vector Machine method based on entropy and Ant Colony Optimization

作　　者：王琳[1] 闫德勤[1] 梁宏霞[1] 

机构地区：[1]辽宁师范大学计算机与信息技术学院,辽宁大连116081

出　　处：《计算机应用》2009年第7期1890-1893,共4页journal of Computer Applications

基　　金：国家自然科学基金资助项目(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资助项目(20070101);辽宁省教育厅高等学校科学研究基金资助项目(2008344);大连市科技局科技计划项目(2007A10GX117)

摘　　要：针对当前模糊支持向量机(FSVM)一般使用特征空间样本与类中心之间的距离构建隶属度函数的不足,首次利用熵的不确定性定量化度量特征和蚁群算法(ACO)的智能性与FSVM结合,提出一种基于熵和ACO的FSVM新方法(EAFSVM)。求得的聚类中心和隶属度能更准确地反映数据本身的特点,提高测试精度。实验对比SVM和FSVM,结果表明EAFSVM测试精度较高,尤其对多类数据、大规模数据具有较好的分类能力。Concerning the defect of fuzzy membership as a function of distance between the point and its class center in feature space for some current Fuzzy Support Vector Machines （FSVM）, a new FSVM based on entropy and Ant Colony Optimization （ACO） named EAFSVM was proposed in this paper. Making use of evaluation of entropy and intelligence of ACO, EAFSVM enhances the classification capability and makes clustering center more suitable and membership more accurate. Experimental results show EAFSVM has better precision and classification performance, especially to multi-class and large scale data.

关 键 词：模糊支持向量机 熵 蚁群算法 聚类 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]