基于可变隶属度的模糊双支持向量机研究.pdf

第３３卷第２期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．２ ２０１６年２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｆｅｂ．２０１６ 基于可变隶属度的模糊双支持向量机研究 任建华　刘晓帅　孟祥福　王　伟 （辽宁工程技术大学电子与信息工程学院　辽宁葫芦岛 １２５１０５） 摘　要　　双支持向量机是一种新的非平行二分类算法。其处理速度比传统支持向量机快很多，但是双支持向量机没有考虑不同 输入样本点会对最优分类超平面产生不同的贡献。在测试阶段测试点到两类超平面的距离相等时，双支持向量机也没有明确给出 对这些等距点的处理方法。针对这些情况，提出一种可变隶属度的模糊双支持向量机。距离类中心较近的样本点隶属度由其到类 中心的距离决定，距离类中心较远的样本点隶属度由其到类中心的距离和它的紧密度共同决定。在测试阶段出现等距点时，根据等 距点与各类训练点的等价性比例进行分类。实验结果表明，与支持向量机、标准双支持向量机、双边界支持向量机、混合模糊双支持 向量机相比，这种可变隶属度模糊双支持向量机分类精度最高。 关键词　　双支持向量机　支持向量机　等距点　等价性比例　模糊隶属度　分类 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０２．０３３ ＲＥＳＥＡＲＣＨＯＮＯＰＴＩＯＮＡＬＭＥＭＢＥＲＳＨＩＰＢＡＳＥＤＦＵＺＺＹＴＷＩＮ ＳＵＰＰＯＲＴＶＥＣＴＯＲＭＡＣＨＩＮＥ ＲｅｎＪｉａｎｈｕａ　ＬｉｕＸｉａｏｓｈｕａｉ　ＭｅｎｇＸｉａｎｇｆｕ　ＷａｎｇＷｅｉ （ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＬｉａｏｎｉｎｇＴｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｈｕｌｕｄａｏ１２５１０５，Ｌｉａｏｎｉｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｗｉｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｉｓａｎｏｖｅｌｎｏｎｐａｒａｌｌｅｌｂｉｎａｒｙｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍ，ａｎｄｉｔｓｐｒｏｃｅｓｓｉｎｇｓｐｅｅｄｉｓｍｕｃｈｆａｓｔｅｒｔｈａｎ ｔｈｅｔｒａｄｉｔｉｏｎａｌｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ，ｂｕｔｔｈｅｔｗｉｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｄｏｅｓｎｏｔｃｏｎｓｉｄｅｒｔｈａｔｄｉｆｆｅｒｅｎｔｉｎｐｕｔｓａｍｐｌｅｐｏｉｎｔｓｗｉｌｌｈａｖｅ ｄｉｆｆｅｒｅｎｔｃｏｎｔｒｉｂｕｔｉｏｎｏｎｏｐｔｉｍａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｈｙｐｅｒｐｌａｎｅｓ．Ｗｈｅｎｔｈｅｄｉｓｔａｎｃｅｓｂｅｔｗｅｅｎｔｅｓｔｐｏｉｎｔｓａｎｄｔｗｏｋｉｎｄｓｏｆｈｙｐｅｒｐｌａｎｅｓａｒｅｅｑｕａｌｉｎ ｔｅｓｔｐｈａｓｅ，ｔｈｅｔｗｉｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｄｏｅｓｎｏｔｅｘｐｌｉｃｉｔｌｙｇｉｖｅｔｈｅｔｒｅａｔｍｅｎｔａｐｐｒｏａｃｈｆｏｒｔｈｅｓｅｅｑｕｉｄｉｓｔａｎｔｐｏｉｎｔｓ．Ｉｎｖｉｅｗｏｆｔｈｉｓ，ｔｈｉｓ ｐａｐｅｒｐｒｏｐｏｓｅｓａｎｏｐｔｉｏｎａｌｍｅｍｂｅｒｓｈｉｐｂａｓｅｄｆｕｚｚｙｔｗｉｎｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ．Ｔｈｅｍｅｍｂｅｒｓｈｉｐｏｆｓａｍｐｌｅｐｏｉｎｔｃｌｏｓｅｒｔｏｔｈｅｃｌａｓｓｃｅｎｔｒｅｉｓ ｄｅｔｅｒｍｉｎｅｄｂｙｔｈｅｄｉｓｔａｎｃｅｂｅｔｗｅｅｎｔｈｅｐｏｉｎｔａｎｄｔｈｅｃｌａｓｓｃｅｎｔｒｅ，ｗｈｉｌｅｔｈｅｍｅｍｂｅｒｓｈｉｐｏｆｓａｍｐｌｅｐｏｉｎｔｆａｒｔｈｅｒｔｏｔｈｅｃｌａｓｓｃｅｎｔｒｅｉｓｊｏｉｎｔｌｙ ｄｅｔｅｒｍｉｎｅｄｂｙｔｈｅｄｉｓｔａｎｃｅｏｆｔｈｅｐｏｉｎｔｔｏｃｌａｓｓｃｅｎｔｒｅａｎｄｔｈｅａｆｆｉｎｉｔｙｏｆｐｏｉｎｔ．Ｄｕｒｉｎｇｔｈｅｔｅｓｔｉｎｇｐｈａｓｅ，ｉｆｔｈｅｅｑｕｉｄｉｓｔａｎｔｐｏｉｎｔｓａｐｐｅａｒ，ｔｈｅｙ ｃａｎｂｅｃｌａｓｓｉｆｉｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｅｑｕｉｖａｌｅｎｃｅｒａｔｉｏｏｆｅｑｕｉｄｉｓｔａｎｔｐｏｉｎｔｓｗｉｔ