结合正态分布概率的FSVM.pdfVIP

ComputerEngineeringandApplieations计算机工程与应用 结合正态分布概率的FSVM 刘婷婷，闰德勤 ，王 琳 LIU Ting—ring，YAN De—qin，WANG Lin 辽宁师范大学 计算机与信息技术学院，辽宁 大连 l16000 DepartmentofComputerand Information Technology，Liaoning Nomr alUniversity，Dalian，Liaoning 116000，China E—mail：skyliutingting@163．corn LIU Ting—ting，YAN De—qin，WANG Lin．FSVM connected with normaldistribution probability．Computer Engineering andApplications，2010，46(36)：210—212． Abstract：Relative to the defectof fuzzy membership as a function ofdistancebetween the point and its class center in feature space forsome currentfuzzy supportvectormachines，a new method to calculatethe fuzzy membership isproposed． Itfirstutilizesnormaldistribution based on the probability ofmembership function 7【to calculate the ambiguity．due to the normaldistribution feature，takesthe distribution ofthe data into consideration to calculate the membership．The OUtputs can reflectthe characteristic of the membership more accurately．Experiments show that compared with SVM and FSVM ，this method hasabetterperfomr anceon reducingtheeffectofoutliersand significantly improvesthe classification accuracy． Keywords：SupportVectorMachine(SVM)；FuzzySupportVectorMachine(FSVM)；nomraldistributi0n；probability；member· ship：function 摘 要：针对当前模糊支持向量机 (FSVM)一般使用特征空间样本与类中心之间的距离构建隶属度函数的不足，提 出了一种计算 FSVM 的隶属度的新方法。首次使用基于正态分布概率的7c型隶属度函数来计算隶属度，根据正态分布的特性，在考虑数据分布 规律的同时求得数据点的隶属值，使得求得的数据能够更加准确地反应数据的特点，进而获得更好的分类函数。实验表明，这种 方法较 sVM和FSVM相比，降低 了噪声数据的影响，并且有效地提高了分类的准确率。 关键词：支持向量机；模糊支持向量机 ；正态分布；概率；隶属度；型函数 DOh10．3778／j．issn．1002—8331．2010．36．058 文章编号：1002—8331(2010)360210．03 文献标识码：A 中图分类号：TP18 1 引言 定了模型的精确度。 支持向量机 (SVM)是2O世纪9O年代中期在统计学习理 传统的FSVM为每个数据点分配一个隶属值 ，只是单纯 论的基础上由Vapnik提出了的一种新的机器学习方法 。由 的根据数据点和类中心之间的距离来计算每个数据点属于某 于SVM具有不依赖于经验 ，全局最优以及 良好的泛化性能 ， 个类的程度 ，并没有考虑数据点的分布问题，这样就会使不在 近年来支持向量机受到越来越广泛的重视 。，应用于手写体 同一位置的数据点有着相 同的隶属值 ，影响了分类的准