基于核鲁棒k-均值的模糊支持向量机算法.pdf

《基于核鲁棒k-均值的模糊支持向量机算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第5卷第3期智能计算机与应用Vo1．5No．32015年6月INTELUGENTCOMPUTERANDAPPLICAT【ONSJun．2015基于核鲁棒k一均值的模糊支持向量机算法王孝彤。程远志(哈尔滨工业大学计算机科学与技术学院。哈尔滨150001)摘要：支持向量机对训练数据中的噪声敏感，为了解决这一问题，本文提出基于核鲁棒k一均值算法的模糊支持向量机算法。算法首先在每类训练样本上应用核鲁棒k一均值算法，得到每个样本的模糊隶属度，将该隶属度赋予训练样本，得到模糊训练集，然后在模糊训练集上训练模糊支持向量机，得到分类决策

2、函数。实验表明，对于带噪声的训练样本，本文的算法能够为噪声样本赋予小的隶属度，提高分类准确率。关键词：模糊支持向量机；核鲁棒k一均值；模糊训练集；噪声中图分类号：TP391．41文献标识码：A文章编号：2095—2163(2015)o3—0099—03FuzzySupportVectorMachinebasedonKernelRobustk—-meansWANGXiaotong．CHENGYuanzhi(SchoolofComputerSdenceandTechnology，HarbinInstituteofTechno

3、logy，Harbin150001，China)Abstract：Thesupportvectormachine(SVM)issensitivetonoisesinthetrainingset．Inordertodealwiththisproblem，afuzzysupportvectormachine(FSVM)basedonkernelrobustk—meansisproposedinthispaper．Kernelrobustk—meansisappliedtosamplesofeachclassrespectiv

4、ely，andallsamplesaregivenmembershipdegrees，whichiscombinedwiththeoriginaltrainingsettoyieldafuzzytrainingset．FSVMisthentrainedonthefuzzytrainingsettogetadecisionfunction．Theexperimentresultshowsthatnoisesobtainsmallmembershipdegrees．andtheclassificationaccuracyis

5、im．provedwhenthetrainingsetispollutedwithnoises．Keywords：FuzzySupportVectorMachine；KernelRobustk—means；FuzzyTrainingSet；Noise0引言通过为噪声赋予更小的隶属度权重，就减少了其对分类决策支持向量机是模式识别和机器学习领域中解决分类问的影响，同时也提高了支持向量机的抗噪性。基于此，如何题¨以及非线性函数估计问题的一种重要方法。针对二为训练集设置合理的隶属度即已随之而成为模糊支持向量类分类问题，支持向量机

6、在高维特征空间中构建最大化两类机的一个关键研究问题。分类间隔的分类超平面，通过核函数，可以学习非线性支持本文提出了一种基于核鲁棒k一均值的模糊支持向量机向量机。算法，对两类训练样本分别应用核鲁棒k一均值聚类算法，得分类问题中通常存在一部分输入训练样本的类别标错到每个样本的隶属度，与原始的训练样本结合得到模糊训练的情况，这种错误的类别标号称为错误类别噪声j，简称噪样本集，而后通过模糊支持向量机算法训练分类器，提高了声。错误类别噪声经常出现在两类样本具有相似的特征的支持向量机的抗噪性。时候。由于拟合这些样本，支持向量机学习的

7、最优分类面与1核鲁棒k一均值算法不存在错误类别噪声时的最优分类面产生偏差，从而降低了1．1鲁棒k一均值算法支持向量机的准确性。也就是说，支持向量机的训练过程对鲁棒k一均值算法(Rkmeans)是k一均值算法的推广。训练集中的错误类别噪声敏感。给定样本集合以及聚类数目C，鲁棒k一均值算法寻找c个聚支持向量机对于错误类别噪声的敏感性主要是由于在类，并将每个样本划分给一个聚类。与k一均值算法不同的支持向量机理论中，所有的训练样本均同等对待J，而支持是，每个样本对于其所属聚类均有一个隶属度，作为其对于向量机的分类决策面则依赖于在

8、训练集中占少数的支持向整个类的隶属度，代表了各样本隶属于整个类的程度，其中，量。由于错误类别噪声样本与其他训练样本具有相同的重隶属度小于给定阈值的样本即可判定为是噪声J。要性，但却更容易被分类器错分，从而成为支持向量，为了减设样本集合为D=li=1，2，⋯，s}，其中∈置“，聚类小错分惩罚，支持向量机将拟合这些样本，