双模糊渐进直推式支持向量机算法  

A Bi-Fuzzy Progressive Transductive Support Vector Machine Algorithm

作　　者：彭新俊[1,2] 王翼飞[3] 

机构地区：[1]上海师范大学计算数学系,上海200234 [2]上海师范大学科学计算上海高校重点实验室,上海200234 [3]上海大学数学系,上海200444

出　　处：《模式识别与人工智能》2009年第4期560-566,共7页Pattern Recognition and Artificial Intelligence

基　　金：国家自然科学基金项目(No.30571059);国家863计划项目(No.2006AA02Z190)资助

摘　　要：直推式支持向量机(TSVM)是支持向量机与直推式学习相结合的重要算法.文中为TSVM中的临时标签样本引入双模糊隶属度以及样本修剪策略,构建一种双模糊渐进直推式支持向量机(BFPTSVM)算法.该算法可有效降低TSVM的计算复杂度及核存储量.模拟实验表明该算法可取得比其他算法更好的分类性能,并且具有较快的收敛速度.Transductive support vector machine learning into support vector machine. In （TSVM） is this paper, a well-known algorithm that integrates transductive a bi-fuzzy progressive transductive support vector machine （BFPTSVM） is constructed by introducing the bi-fuzzy memberships and sample-pruning strategy for the temporary labeled samples. BFPTSVM is capable of degrading the computational complexity and the store memory of TSVM. Simulation results show that BFPTSVM has better classification and convergence performance compared with other learning algorithms.

关 键 词：直推式支持向量机(TSVM) 直推式学习 双模糊隶属度 双模糊支持向量机 样本修剪策略 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]