• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Automation Science and Engineering >An improved fuzzy twin support vector machine based on support vector
【24h】

An improved fuzzy twin support vector machine based on support vector

机译：基于支持向量的改进型模糊双支持向量机

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Twin support vector machine (TWSVM) has faster speed than traditional support vector machine (SVM) for classification problem. However, it ignores the effect of noise samples on the optimal hyperplanes with respect to the classification task. Membership functions of traditional fuzzy twin support vector machine (FTSVM) are mostly designed based on the distance between the samples and the class centers, which decreases the effect of support vectors. In this paper, the new membership function divides the samples into three parts: support vectors, non-support vectors and outliers. An improved fuzzy twin support vector machine (IFTSVM) is proposed based on support vectors. IFTSVM is an improved TWSVM with better classification performance. Experimental results show that IFTSVM is more effective and feasible in classification.
机译：对于分类问题，双支持向量机（TWSVM）具有比传统支持向量机（SVM）更快的速度。但是，对于分类任务，它忽略了噪声样本对最佳超平面的影响。传统的模糊双支持向量机（FTSVM）的隶属度函数主要是根据样本与类中心之间的距离来设计的，这降低了支持向量的作用。在本文中，新的隶属度函数将样本分为三个部分：支持向量，非支持向量和离群值。基于支持向量，提出了一种改进的模糊双支持向量机（IFTSVM）。 IFTSVM是一种改进的TWSVM，具有更好的分类性能。实验结果表明，IFTSVM在分类上更有效，更可行。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号