首页> 中文期刊> 《电子学报》 >基于模糊C-均值的相似性特征转换光滑支持向量机

基于模糊C-均值的相似性特征转换光滑支持向量机

         

摘要

在用于非线性分类的光滑支持向量机(SSVM)模型中,核函数必须满足Mercer's条件,由此限制了核函数的选择范围;并且在面对大规模数据集时,SSVM模型的计算复杂度很高,训练时间长.针对这两点缺陷提出了基于模糊C-均值的相似性特征转换光滑支持向量机模型(SFT-SSVM-FCM).首先,运用基于相似性的特征转换,使得核函数不需要再满足Mercer's条件,从而拓宽了核函数的选择范围;其次,运用模糊C-均值(FCM)分群技术,将完整的训练数据集划分成若干子簇,分别在每一个子簇上进行已经过相似性特征转换的SSVM模型训练.实验表明:与传统的SVM、SSVM模型及一系列变体模型相比较,该新模型在训练时间、分类精度方面都具有更好的表现.

著录项

  • 来源
    《电子学报》 |2018年第11期|2714-2724|共11页
  • 作者单位

    电子科技大学信息与软件工程学院;

    四川成都611731;

    网络与数据安全省级重点实验室(电子科技大学);

    四川成都611731;

    电子科技大学信息与软件工程学院;

    四川成都611731;

    网络与数据安全省级重点实验室(电子科技大学);

    四川成都611731;

    西安电子科技大学计算机学院;

    陕西西安710071;

    电子科技大学信息与软件工程学院;

    四川成都611731;

    网络与数据安全省级重点实验室(电子科技大学);

    四川成都611731;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 自动推理、机器学习;
  • 关键词

    光滑支持向量机; 模糊C-均值; 相似性; 特征转换;

相似文献

  • 中文文献
  • 外文文献
  • 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