自适应模糊支持向量机算法研究  

Study on adaptive fuzzy support vector machine algorithm

作　　者：陈家德[1] 吴小俊[1] 

机构地区：[1]江南大学信息工程学院,江苏无锡214122

出　　处：《计算机工程与应用》2010年第25期191-194,198,共5页Computer Engineering and Applications

基　　金：国家自然科学基金No.60472060;No.60572034;江苏省自然科学基金No.BK2006081;国家教育部新世纪人才支持计划No.NCEG-06-0487~~

摘　　要：一个有效的核方法通常取决于选择一个合适的核函数。目前研究核方法的热点是从数据中自动地进行核学习。提出基于最优分类标准的核学习方法,这个标准类似于线性鉴别分析和核Fisher判别式。并把此算法应用于模糊支持向量机多类分类器设计上,在ORL人脸数据集和Iris数据集上的实验验证了该算法的可行性。The advantage of a kernel method often depends critically on a proper choice of the kernel function.A promising approach is to learn the kernel from data automatically.In this paper,a novel method is proposed for learning the kernel matrix based on maximizing a class separability criterion that is similar to those used by Linear Discriminant Analysis（LDA） and Kernel Fisher Discriminant（KFD）.This paper proposes this approach when FSVM is used for multiclassification task. And the results of experiments on face data set shows that the method is feasible.

关 键 词：核学习 支持向量机 模糊支持向量机 FISHER判别准则 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]