模糊聚类光滑支持向量机.PDFVIP

第 卷第 期 控 制 与 决 策 年 月 文章编号 模糊聚类光滑支持向量机 刘三阳 吴 德 西安电子科技大学计算机学院，西安 摘 要 为了提高光滑支持向量机的分类速度和精度 构造一种模糊聚类光滑支持向量机 运用模糊 聚类将训练数据分解为若干子簇 通过引入熵函数近似松弛向量的加函数 并利用最优解处权重向量的表达式导 出精确光滑模型 定义测试样本的最近邻子空间 以选择性集成策略组合若干近邻子空间中的分类决策函数 数 值实验表明 的分类精度高 迭代次数少 鲁棒性好 分类时间短 关键词 支持向量机；模糊聚类；熵函数；光滑；最近邻子空间；选择性集成 中图分类号 文献标志码 ， ， ， ； ； ；； ； 引 言 际问题中的应用 分段识别 提供了一种有效途 光滑支持向量机 的目标函数光滑可微 径 通过组合子空间的分段函数得到最终的分类决 策 该方法易于实现、分类精度高 已被应用于图像 便于引入高效的无约束优化算法来求解 从而吸引 了许多学者进行研究 如采用不同的近似函数构造多 识别领域 文献采用分段识别的思想构造分片 支撑矢量机 利用样本特征进行等距离分割 导致某 种光滑模型 或推广至回归、模糊建模等领域 这些研究均基于 的光滑模型 故存在 些子空间仅含一类样本 分类精度较差 此时需要缩 个问题 采用粗糙近似技术 在核空间中以拉格 减子空间的数目 并重新分割训练数据集 故而增加 朗日乘子向量的范数近似代替权重向量的范 了训练时间 文献 的分片模型分类精度较高但在 数 训练时间较长且内存占用较大 不适用于大规 子空间中训练双支持向量域分类器时 求解约束凸二 模样本集 鲁棒性较差 分类精度依赖于核参数的 次规划的训练时间较长 文献 运用分段函数近 选择 文献提出一种精确的光滑模型 证明了其与 似支持向量机中松弛向量的加函数 导出光滑可微的 原模型的等价性但未解决训练时间长和内存占用大 模型但这有悖分段识别思想的初衷 的问题且鲁棒性较差 本文构造一种模糊聚类光滑模型 首 构造一种训练时间短、占用内存少且鲁棒性较 先 运用模糊 均值 将训练数据集分割为若 好的光滑模型将会提高 的效率并拓宽其在实 干个子簇 然后 对子簇内样本采用熵函数近似松 收稿日期 ；修回日期