一种新的模糊支持向量回归方法

被引：3

作者：

赵时 ^{[1
]}

马曾 ^{[2
]}

嵇艳 ^{[3
]}

机构：

[1] 海军航空工程学院青岛分院

[2] 海军潜艇学院

[3] 部队

来源：

青岛大学学报(自然科学版) | 2010年 / 23卷 / 03期

关键词：

支持向量机; 模糊支持向量机; 隶属度函数;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

为克服传统的模糊支持向量机隶属度函数都是基于样本与类中心距离进行设计所带来的局限性问题,提出了基于样本到超平面距离的新隶属度函数设计方法。该方法从支持向量机的回归本质出发,通过更加合理地设计隶属度函数,提高支持向量机的回归的泛化鲁棒能力。仿真结果证明,该方法具有更好的鲁棒性,提高了模糊支持向量机的泛化能力。

引用

收藏

页码：47 / 51

页数：5

相关论文

共 7 条

[1]

Fuzzy SVM with a new fuzzy membership function [J].

Jiang, Xiufeng ;

Yi, Zhang ;

Lv, Jian Cheng .

NEURAL COMPUTING & APPLICATIONS, 2006, 15 (3-4) :268-276

[2]

一种新隶属度函数的模糊支持向量机 [J].

杜喆 ;

刘三阳 ;

齐小刚 .

系统仿真学报, 2009, 21 (07) :1901-1903

[3]

基于样本之间紧密度的模糊支持向量机方法 [J].

张翔 ;

肖小玲 ;

徐光祐 .

软件学报, 2006, (05) :951-958

[4]

基于支持向量机的生物发酵过程软测量建模 [J].

常玉清 ;

王福利 ;

王小刚 ;

吕哲 .

东北大学学报, 2005, (11)

[5]

支撑矢量机的分类机理 [J].

李映 ;

白本督 ;

焦李成 .

系统工程与电子技术, 2001, (09) :25-27+52

[6]

支持向量机分类与回归方法研究 [D].

孙德山 .

中南大学,

2004

[7]

统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,