模糊支持向量机 - 360文档中心

模糊C均值与支持向量机相结合的增强聚类算法

ＨＵＬｅｉ．ＮＩＵＱｉｎｚｈｏｕ．ＣＨＥＮＹａｎ
．
（ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＧｕｉｌｉｎＵｎｉｖｅｒｓｉｔｙＴｅｃｈｎｏｌｏｇｙ，ＧｕｉｌｉｎＧｕａｎｇｘｉ５４１００４，Ｃｈｉｎａ）
ＪｏｒｎａｌｏｆＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓ
ＩＳＳＮ１００１— ９０８１
２０１３— ０４— ０１
计算机应用，２０１３，３３（４）：９９１ — ９９３
文章编号：１００１ — ９０８１（２０１３）０４— ０９９１ —０３
ｂａｓｅｄｏｎＦｕｚｚｙＣ — Ｍｅａｎｓ（ＦＣＭ）ａｎｄＳｕｐｐｏ￣ＶｅｃｔｏｒＭａｃｈｉｎｅ（ＳＶＭ）．ＴｈｅｓｅｔｓｏｆｄａｔａｗｅｒｅｃｌｕｓｔｅｒｅｄｉｎｔｏＣｋｉｎｄｓｂｙＦＣＭ，
中图分类号：ＴＰ３０１．６文献标志码：Ａ
ＥｎｈａｎｃｅｄｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｆｕｚｚｙＣ— ｍｅａｎｓａｎｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ

基于模糊遗传优化支持向量机的系统辨识研究

ｒｇｅｓｏｎｂｓｄｏｅｒｓｉａｅｎＦＧＡｓａｄｎＢＰｕｒｌｅｗｏｒ．ＴｈｅｉｕａｉｅｕｌｓｈｏｎｅａｎｔｋｓｍｌｔｏｎｒｓｔｓｗｔａＳＶＭｓｈｔｈａｈｉｈｅｙｔｍｄｎｔｆｃｔｏｎｐｅｉｉｎａｄｂｅｔｒｇｅｅａｉａｉｅｆｍａｅｔｎｎｕａｅｗｏｋｓｇｒｓｓｅｉｅｉｉａｉｒｃｓｏｎｔｅｎｒｌｔｏｎｐｒｏｒｎｃｈａｅｒｌｎｔｒｚ
ＡｂｔａｔＩｒｃｉｅ，ｔｏｅｎｈｏｔｅｅｔｐａａｅｅｓｏｆＳＶＭｓｎｏｌｅｏｒｙ，Ｏｓｒｃ：ｎｐａｔｃｈｅｐｒｂｌｍｏｗｏｓｌｃｒｍｔｒｉｏｔｓｖｄｐｒ机的系统辨识研究
高异，刘军，杨延西
（西安理工大学自动化与信息工程学院，西西安７０４）陕１０８
摘要：在实际应用中支持向量机的参数选取问题一直没有得到很好地解决，限制了其应用。为了能够自动获取最优的支持向量机参数，出了基于模糊遗传算法的Ｓ提ＶＭ参数选择方法，用模糊逻
ＧＡ（）ＹｉＩＪｎ。ＹＡＮＧｎｘ，ＬＵｕＹａ — ｉ
（ｃｔ｛ＡｕｔｍａｉｎａｄＩｏｍａｉｇｉｅｒｎＸｉａｎＵｎｉｅｒｉｙｏｃｏｌＦａｕｌｙＯｏｔｏｎｎｆｒｔｏｎＥｎｎｅｉｇ， ’ ｖｓｔｆＴｅｈｎｏｇｙ，ｉａｎ７１０４ＣｈｉａＸ ’ ０８．ｎ）

自适应模糊支持向量机算法

ＡｎＡｄｐｔｖｚｙｕｐｒｃｏａｈｉｅＡｌｏｉｈａｉｅＦｕｚＳｐｏｔＶｅｔｒＭｃｎｇｒｔｍ
ＳＨＡＯｕｎ－ｅｇＹＡＮＧａ－ｗｅＷＵＧｕａ－ｃｏＺｈａｇｆｎＸｉｏｉｎｇｈａ
支持向量机的抗噪能力和预测精度。关键词支持向量机最小二乘支持向量机自适应迭代模糊隶属度文章编号１０ — ３１（０６２ — ０３０文献标识码Ａ０２８３一２０）７０５ —４中图分类号Ｔ３１Ｐ０．６
维普资讯
自适应模糊支持向量机算法
邵壮丰杨晓伟吴广潮
（南理工大学数学科学学院，州５０４）华广１６０
Ｅｍａｌｘｚｚ＠１３ｃｎ－ｉ：ｙｓｆ．ｏ６
摘要支持向量机算法对噪声和异常点是敏感的，了克服这个问题，们引入了模糊隶属度。传统确定样本模糊隶为人属度的方法．是基于原始空间的。都文章提出了基于特征空间的模糊隶属度函数模型。该模型中，在以特征空间中的样本
ｍｏｅｎｏＡｄｐｉｅＳｐｏｅｔｒＭａｈｎ（ＶＭ）ｗｅｐｏｏｅａａｔｅＦｚｕｐｒＶｅｔｒＭａｈｎｌｏｔｍｄｌｉｔａｔｕｐｒＶｃｏｃｉｅＡＳｖｔ，ｒｐｓｎＡｄｐｉｕｚＳｐｏｃｏｃｉｅａｇｒｈｖｙｔｉ（ＳＡＦＶＭ）Ｅｐｒｍｅｔｌｒｓｌｓｏｈｔｔｅ．ｘｅｉｎａｅｕｔｈｗｔａｈＡＦＶＭａｇｒｔｍｓａｉｆｒｍｐｏｉｇｔｅａｔ— ｏｓｃｐｃｔａｄｈｓＳｌｏｈｉｉｖｌｏｉｒｖｎｈｎｉｎｉｄｅａａｉｙｎｔｅ

基于模糊支持向量机的网络入侵检测

其中，Ｈ（和Ｍ（分别表示同类和异类样本Ｘ）ｘ）
集。通过计算假设间隔就可以估计出分类的最优特征子集。实现流程如下：
选择方式考虑到屙ｌ生选择的稳定性，更加合理。
３分类模型的建立
３１支持向量机．
示为：
１
（）３选择在ｋ取不同值时，５％以上次数都被选０
择的属性。通过实验证明，上述三种选择条件的提出，克
０（ — Ｉ一Ｉ｛１（Ｉｌ）— 日（Ｉ））
（）２
服了原模型只重视属性评估而忽略属性选择的缺点。与原来按权值从大到小进行选择的方式相比，新的
（）择在Ｎ次遍历中，权值变化次数大于２选
１％的属性。０
本类别的能力进行评估。该算法提出了假设间隔
（ｐｔｅｉＨｙｏｈｓｓＭａｇｎ，指在保持样本分类不变的ｒｉ）
情况下，分类决策面能够移动的最大距离。其可表
本实例，称为ｎａＨｉｓ简称Ｈ）ｅｒｔ（以及与所在类不
同的ｋ最近邻样本实例，称为ｎａＭｉｅ（ｅｒｓｓ简称Ｍ）ｓ。
（）对于每次循环，从ｊ，Ｊ∈ ［，开始，３＝ｌ１ｍ］
按如下公式不断更新属性的权重。
Ｒｅｉｆ法的主要思想是：对属性区分样ｌｅ算

模糊支持向量机在路面识别中的应用

第２９卷第ｌ期２Ｏ１４年１月
处
理
ＶｏＬ２９Ｎｏ．１
Ｐｒｏｃｅｓｓｉｎｇ
Ｊａｎ．２０１４
文章编号：１００４ — ９０３７（２０１４）Ｏ１一Ｏ１４６一Ｏ６
模糊支持向量机在路面识别中的应用
ｈｉｇｈｅｓｔａｖｅｒａｇｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｉｎｃｒｅａｓｅｓｔｏ７７．５，ｗｈｉｃｈｉｓｈｉｇｈｅｒｔｈａｎ７２．５ｔｈａｔｏｆｔｈｅ
ｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）ａｌｇｏｒｉｔｈｍ．Ａｆｔｅｒｔｒａｉｎｉｎｇａｎｄｔｅｓｔｉｎｇｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｄａｔａ，ｔｈｅ
２．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｊｉａｎｇ，２１２００３，Ｃｈｉｎａ）
ｍｅｔｈｏｄｗｉｔｈｔｈｅｇｅｎｅｒａｌｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ．ＤａｔａｐｒｏｃｅｓｓｉｎｇｉｎｄｉｃａｔｅｓｔｈａｔＦＳＶＭ

一种基于核聚类的模糊支持向量机方法

于跃
（Ｅ京信息职业技术学院，北京１０００１８）
摘要：模糊支持向量机（ＦＳＶＭ）具有很好的抗噪声能力，受到了很多专家的重视。然而模糊支持向量机算法的时间复杂度通常较高。针对这一不足，本文提出了一种基于核聚类的模糊支持向量机算法。首先根据核聚类算法对每一类原始样本进行聚类，然后对每一簇求样本中心，用样本中心作为新的样本点替换该类别的原始样本。最后本文算法利用中心距离型计算新样本的模糊权重，并利用模糊支持向
ｅｘｐｅｒｔｓ．Ｈｏｗｅｖｅｒ，ｔｈｅｔｉｍｅｃｏｍｐｌｅｘｉｔｙｏｆＦＳＶห้องสมุดไป่ตู้ ｉｓｕｓｕａｌｌｙｈｉｇｈｅｒ．Ｆｏｒｔｈｉｓｓｈｏｔｒａｇｅ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａＦＳＶＭｌｇａｏ —
ＡＦｕｚｚｙＳＶＭＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＫｅｒｎｅｌＣｌｕｓｔｅｒｉｎｇ
ＹＹ
（ＢｅｉｊｉｎｇＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙＣｏｌｌｅｇｅ，Ｂｅｉｊｉｎｇ１０００１８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｓｆｕｚｚｙｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＦＳＶＭ）ｉｓｗｉｔｈｇｏｏｄｎｏｉｓｅｉｍｍｕｎｉｔｙ，ｉｔｈａｓｒｅｃｅｉｖｅｄｔｈｅａｔｔｅｎｔｉｏｎｏｆｍａｎｙ

直觉模糊支持向量机

Ｍａ０１ｙ２１
直觉模糊支持向量机
哈明虎黄澍超王晓丽，＇王，
（．北大学数学与计算机学院，北保定１河河０１０；．河北大学物理科学与技术学院，北保定７０２２河
０１０）７０２
２Ｏ１收稿日期Ｏ— Ｏ９— ２７
（．ＣｏｌｇａｈｍａｉｓａｄＣｏ１ｌｅｅｏｆＭｔｅｔｃｎｍｐｕｔｒｅ，Ｈｅｅｎｖｒｉｙ，Ｂａｄｉｇ０００ｂｉＵｉｅｓｔｏｎ７１２，Ｃｈｉａ；ｎ２．ＣｏｌｇｆＰｈｙｉｓＳｉｎｃｎｄＴｅｈｎｏｙ，ＨｅｉＵｎｉｒｉｙ，Ｂａｄｎ１０ｌｅｅｏｓｃｃｅｅａｃｏｌｇｂｅｖｅｓｔｏｉｇ０７０２，Ｃｈｉａｎ）
ｏｃｉｒａｈｎｅ
支持向量￣（ｕｐｒｖｃｏｃｉｅＳＩｓｐｏｔｅｔｒｍａｈｎ，ＶＭ）是ＶｐｉＤ基于统计学习理论提出的一种通用机器学习Ｌａｎｋ３方法，目前已成为机器学习领域一个重要的研究方向嘲．一般的ＳＭ在训练的时候对所有训练点同等对Ｖ待，将每一训练点的全部信息加以学习，这就产生一定的局限性．例如：由于样本中的每一个训练点起的作用
第３卷１
２１年０１
第３期
５月
河北大学学报（自然科学版）
Ｊｕｎ１ｆＨｅｅｎｖｒｉｙ（ｔｒｌＳｉｎｅＥｄｔｏ）ｏｒａｂｉｏＵｉｅｓｔＮａｕａｃｅｃ．

基于模糊支持向量机的图像分类方法

总第２８２期２０１３年第４期
计算机与数字工程
Ｃｏｍｐｕｔｅｒ＆ＤｉｇｉｔａｌＥｎｇｉｎｅｅｒｉｎｇ
Ｖｏ１．４１Ｎｏ．４
６３８ห้องสมุดไป่ตู้
基于模糊支持向量机的图像分类方法
曹建芳焦莉娟
提高。
关键词
模糊支持向量机；模糊隶属度；特征提取；图像语义；图像分类
ＴＰ３９１．４１
中图分类号
ＩｍａｇｅＣｌａｓｓｉｆｉｃａｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＦｕｚｚｙＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ
ｍａｃｈｉｎｅｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅａｌｇｏｒｉｔｈｍｍａｋｅｓｕｐｆｏｒｔｈｅｌａｃｋｏｆｔｒａｄｉｔｉｏｎａ１ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｉｎｍｕｌｔｉ — ｃｌａｓｓｉｆｉｃａｔｉｏｎｐｒｏｂｌｅｍｓａｎｄｓｏｌｖｅｓｔｈｅ
ＡｂｓｔｒａｃｔＴｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｅｌｅｃｔｒｏｎｉｃｔｅｃｈｎｏｌｏｇｙａｎｄｉｍａｇｉｎｇｔｅｃｈｎｏｌｏｇｙｈａｓｒｅｓｕｌｔｅｄｉｎｔｈｅｒａｐｉｄｇｒｏｗｔｈｏｆｄｉｇｉｔａｌｉｍａｇｅｓ．Ｉｔｈａｓｂｅｃｏｍｅａｎｕｒｇｅｎｔｐｒｏｂｌｅｍｔｏｒｅｌｙｏｎａｄｖａｎｃｅｄｔｅｃｈｎｏｌｏｇｙｔｏｉｄｅｎｔｉｆｙｉｍａｇｅｓ．Ａｎｉｍａｇｅｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｆｕｚｚｙｓｕｐｐｏｒｔｖｅｃｔｏｒ