面向分类去噪问题的模糊支持向量机新算法

张瑞 1; 2; 马逸尘 1; 段现报 1

您当前的位置：

首页 >

文章列表页 >

面向分类去噪问题的模糊支持向量机新算法

专题研究 | 更新时间：2025-12-08

- 面向分类去噪问题的模糊支持向量机新算法
- New Algorithm of Fuzzy Support Vector Machine for Classification with Outliers
- 西安交通大学学报 2007年41卷第12期页码：1414-1417
- 作者机构：
  
  1. 西安交通大学理学院,西安,710049
  2. 山东理工大学数学与信息学院,淄博,255049
- 作者简介：
- 基金信息：
  
  : 2007-04-16. 作者简介: 张瑞(1964～),男,博士生;马逸尘(联系人),男,教授,博士生导师. 基金项目: 国家自然科学基金资助项目(10671153)
- DOI：
  中图分类号： TP181
- 网络首发：2007-12-10，
  
  纸质出版：2007
- 稿件说明：
移动端阅览
张瑞 1, 2, 马逸尘 1, 等. 面向分类去噪问题的模糊支持向量机新算法[J]. 西安交通大学学报, 2007,41(12):1414-1417.

张瑞 1, 2, 马逸尘 1, et al. New Algorithm of Fuzzy Support Vector Machine for Classification with Outliers[J]. 2007, 41(12): 1414-1417.
张瑞 1, 2, 马逸尘 1, 等. 面向分类去噪问题的模糊支持向量机新算法[J]. 西安交通大学学报, 2007,41(12):1414-1417. DOI：

张瑞 1, 2, 马逸尘 1, et al. New Algorithm of Fuzzy Support Vector Machine for Classification with Outliers[J]. 2007, 41(12): 1414-1417. DOI：

摘要

针对面向分类去噪问题

提出了一种新的模糊支持向量机算法(ν-FSVM)

并给出了通过无穷次连续可微函数建立模糊关系的方法.该方法能对训练集中的点自动赋予模糊关系

并且对带有噪声的点和孤立的点赋予较小的模糊关系.与传统的ν支持向量机比较

该算法通过建立训练集的模糊关系

能够大大减小噪声对分类的影响

从而提高分类精度

减少误差.

Abstract

A fuzzy support vector machine learning approach

namely ν-FSVM is presented to eliminate classification noise. And the fuzzy relations among the training data points are also created with an infinite continue differentiable function

which enables to automatically assign the fuzzy relationships to the training data points

and assign small fuzzy relationships to the points with noises or outliers. Comparing with the traditional ν-support vector machine

the experimental results on benchmark datasets show that the presented approach reduces the outlier effects to improve the classification performance.

关键词

Keywords

references

Boser B E, Guyon I, Vapnik V. A training algorithm for optimal margin classifiers[C]∥Proc Fifth Ann Workshop Computational Learning Theory. New York:ACM Press, 1992:144-152.

Cao L J, Lee H P, Chong W K. Modified support vector novelty detector using training data with outliers[J]. Pattern Recognition Letters, 2003, 24(14): 2479-2487.

Inoue T, Abe S. Fuzzy support vector machines for pattern classi1cation[C]∥Proceedings of the International Joint Conference on Neural Networks. Piscataway: IEEE, 2001: 1449-1454.

Lin C F, Wang S D. Fuzzy support vector machines[J]. IEEE Trans Neural Networks, 2002, 13(2): 464-471.

Lin C F, Wang S D. Training algorithms for fuzzy support vector machines with noisy data[J]. Pattern Recognition Letters, 2004, 25(14): 1647-1656.

Chen J H, Chen C S. Fuzzy kernel perceptron[J]. IEEE Trans Neural Networks, 2002, 13(6): 1364-1373.

Mill J, Inoue A. An application of fuzzy support vectors[C]∥Proceedings of the 22nd North American Fuzzy Information Processing Society. Piscataway: IEEE, 2003:302-306.

Keller J M, Hunt D J. Incorporating fuzzy membership functions into the perception algorithm[J]. IEEE Trans Patt Anal Mach Intell, 1985, 7(6): 693-699.

Tsujinishi D, Abe S. Fuzzy least squares support vector machines[C]∥Proceedings of the International Joint Conference on Neural Networks. Piscataway: IEEE, 2003:1599-1604.

Shawe-Taylor J, Cristianini N. Kernel methods for pattern analysis[M]. Cambridge, UK: Cambridge University Press, 2004.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种新的浮选泡沫图像识别方法

泛化的统一切比雪夫多项式核函数

基于样本熵的注意力相关脑电特征信息提取与分类

一种新的选择性支持向量机集成学习算法

基于免疫记忆克隆的特征选择