一种改进的鲁棒模糊孪生支持向量机算法

一种改进的鲁棒模糊孪生支持向量机算法
周裕群;张德生;张晓
【期刊名称】《计算机工程与应用》
【年(卷),期】2023(59)1
【摘要】针对模糊孪生支持向量机算法(FTSVM)对噪声仍然敏感,容易过拟合以及不能有效区分支持向量和离群值等问题,提出了一种改进的鲁棒模糊孪生支持向量机算法(IRFTSVM)。

将改进的k近邻隶属度函数和基于类内超平面的隶属度函数结合,构造了一种新的混合隶属度函数;在FTSVM算法的目标函数中引入正则化项和额外的约束条件,实现了结构风险最小化,避免了逆矩阵运算,且非线性问题可以像经典的SVM算法一样直接从线性问题扩展而来;将铰链损失函数替换为pinball损失函数,以此降低对噪声的敏感性。

此外,在UCI数据集和人工数据集上对该算法进行评估,并与SVM、TWSVM、FTSVM、PTSVM和TBSVM五个算法进行比较。

实验结果表明,该算法的分类结果是令人满意的。

【总页数】9页(P140-148)
【作者】周裕群;张德生;张晓
【作者单位】西安理工大学理学院
【正文语种】中文
【中图分类】TP301
【相关文献】
1.基于模糊核聚类和支持向量机的鲁棒协同推荐算法
2.基于核鲁棒k-均值的模糊支持向量机算法
3.基于核鲁棒k-均值的模糊支持向量机算法
4.面向鲁棒性的孪生有界支持向量机分类算法
5.鲁棒最小二乘孪生支持向量机及其稀疏算法
因版权原因，仅展示原文概要，查看原文内容请购买。