模糊双超球学习机  

A fuzzy twin-hypersphere learning machine

作　　者：郭慧 刘忠宝[2] 赵文娟 张静[2] GUO Hui;LIU Zhong-bao;ZHAO Wen-juan;ZHANG Jing(School of Information,Business College of Shanxi University,Taiyuan 030031,China;School of Software,North University of China,Taiyuan 030051,China)

机构地区：[1]山西大学商务学院信息学院,山西太原030031 [2]中北大学软件学院,山西太原030051

出　　处：《广西大学学报（自然科学版）》2018年第3期1097-1102,共6页Journal of Guangxi University（Natural Science Edition）

基　　金：国家自然科学基金资助项目(61503345;U1731128);山西省自然科学基金资助项目(201601D011042);山西省高等学校创新人才支持计划资助项目(2016)

摘　　要：受双支持向量机启发,提出模糊双超球学习机FTHLM。该方法试图为每类样本构造一个超球模型,通过构造一对超球模型将两类分类。模糊隶属度函数的引入有效地降低了奇异点和噪声点对分类结果的影响,从而保证FTHLM具有较高的分类效率。在UCI标准数据集上与支持向量机、双支持向量机的比较实验表明,所提FTHLM具有更优的分类能力。Inspired by Twin Support Vector Machine（ TWSVM）, a Fuzzy Twin-Hypersphere Learning Machine（ FTHLM） is proposed in this paper. It builds a hypersphere model for each type of sample,and uses a pair of hyperspheres to describe the samples in two classes,respectively. The membership function is introduced to decrease the influences of noise and singular points on classification results,so as to ensure that FTHLM has higher classification efficiency. Comparative experiments on the UCI datasets shows that FTHLM has better classification ability than Support Vector Machine（ SVM） and TWSVM.

关 键 词：双超球模型 模糊隶属度函数 双支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]