基于模糊支持向量的判别分析  

Discriminant analysis via fuzzy support vectors

作　　者：沈菊红[1] 万颖颖 

机构地区：[1]北方民族大学数学与信息科学学院,银川750021

出　　处：《黑龙江大学自然科学学报》2015年第1期119-123,共5页Journal of Natural Science of Heilongjiang University

基　　金：国家自然科学基金资助项目(61261043);国家社会科学基金资助项目(12BRK023);国家教育部人文社会科学研究项目(11YGAZH097);北方民族大学国家自然科学基金前期培育项目(2011QZP01)

摘　　要：针对分类过程中噪声影响问题,提出了基于模糊支持向量的判别分析法。利用基于马氏距离的模糊c均值算法,对每个训练样本点赋予不同的隶属度。将模糊支持向量机与Fisher判别法相结合,达到降维去噪的目的。实验结果表明:提出的分类方法的错分率明显低于其他的方法,而且能减轻噪声对分类的不良影响,从而证明算法的有效性。For the negative impact of noise on the classification, the discriminant analysis algorithm is proposed based on fuzzy support vectors. Fuzzy c-means clustering algorithm based on Mahalanobis distance is used to determine membership. Then the fuzzy support vector machine combined with Fisher discriminant, achieves dimension reduction and mitigate effect of noise. Experimental results show that the proposed method is lower error rate than other methods, and reduces the negative impact of noise in the classifier. The presented approach is proved to be effective.

关 键 词：FISHER判别 模糊C均值算法 模糊支持向量 马氏距离 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]