一种Vague集的模糊支持向量数据描述  

Fuzzy support vector data description based on vague sets

作　　者：沈菊红[1] 黄永东[1] 孔妮娜[1] 

机构地区：[1]北方民族大学信息与计算科学学院,银川750021

出　　处：《计算机工程与应用》2012年第29期196-200,共5页Computer Engineering and Applications

基　　金：国家自然科学基金(No.10961001);宁夏自然科学基金(No.NZ1056);北方民族大学科学研究基金(No.2009Y032)

摘　　要：针对支持向量数据描述中噪声和孤立点带来的过拟合问题,提出了一种Vague集的支持向量数据描述(VFSVDD),利用模糊k-均值聚类方法生成每个训练样本的真、假隶属度,可以精细地控制训练样本对超球面边界的影响。用UCI机器学习数据集的数据实验验证了VFSVDD的有效性。To resolve the problem of over-fitted caused by noises and outliers in support vector data description,fuzzy support vector data description based on vague sets（VFSVDD）is proposed in this paper.Fuzzy k-means clustering algorithm is employed for generating the truth-membership and false-membership,how each training example affects the boundary of hypersphere could be controlled.Test data from UCI machine learning repository are employed to evaluate the usefulness of VFSVDD.

关 键 词：支持向量数据描述 VAGUE集 隶属度 模糊k-均值聚类 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]