一种改进的支持向量机及其应用.pdfVIP

第 28卷第 1期 计 算 技 术 与 自 动 化 Vo1．28．No．1 2009年 3月 ComputingTechnologyandAutomation Mar．2009 文章编号 ：1003—6199(2009)01—0127—04 一 种 改进 的支持 向量机及其应 用 欧卫华 ，刘建 国，孙 勇 (怀化学院 数学系 ，湖南 怀化 418008) 摘 要：针对传统支持向量机对噪声点敏感 问题，提 出一种改进的支持向量机。其基本思想是根据样 本对分类贡献不同赋予相应的隶属度，贡献大的分配较大的隶属度，贡献小的分配较小的隶属度。与传统 支持向量机 比较，减小了噪声点对分类的影响，提高了SVM 的泛化能力。并将其应用到车型识别中，结果 显示该方法 的有效性 。 关键词 ：支持 向量机；模糊支持 向量机 ；模糊隶属度 ；车型识别 中图分类号 ：TP181 文献标识码 ：A TheApplicationofImprovedSupportVectorM achine ou Wei—hua，LIU Jian—guo，SUN Yong (DepartmentofMathematic，HuaihuaCo llege，Huaihua 418008，China) Abstract：A improvedsupportvectormachinewasproposedagainstthetraditionalsupportvectormachinesensitivetoyawp． ThemainideaisgivingdifferentsubjectiondegreeaccordingtOclasscontributionofdataswatch，thelargercontribution，thelarger membership．Comparisonwithtraditionalsupportvectormachine，itminishestheimpactofyawpandimprovestheclassabilityof supportvectormachine．Theresultsinvehicletyperecognitionshowsvalidityofthismethod． Keywords：supportvectormachine；fuzzysupportvectormachine；fuzzysubjectiondegree；vehicletyperecognition 在分类中的影响。为此本文根据样本对分类贡献 1 引 言 不同赋以相应的隶属度 ，贡献大的分配较大的隶属 度 ，贡献小的分配较小 的隶属度 ，则噪声 点将得到 一 种新的基于统计学习理论的机器学习算法 较小的隶属度，从而可 以减小噪声 的影响，提高 — — 支持向量机 (SVM)，由于较好地解决 了传统 SVM 的泛化能力。我们称其为模糊支持 向量机 算法 中训练集误差最小而测试集误差仍较大 的问 (FSVM)。 题 ，而成为数据挖掘 的有力工具。但实验研究发 现，噪声点会使SVM 找到的最优分类面与真正的 2 支持向量机简介 最优分类面有较大的差别 ，从而降低 SVM 的泛化 能力 。究其原 因就是 SVM 在分类过程 中对样本 给定训练样本 {(X ，d)} 1，K 为第i个输入 是 以同等地位输入的，但是实际上样本对分类作用 模式，d ∈ {一1，1}。一般来说在线性可分条件 下 大小不一。因为权 向量解中只有