阴影集的模糊支持向量机样本选择方法-哈尔滨工业大学学报.pdfVIP

第４４卷　第９期 哈　尔　滨　工　业　大　学　学　报 Ｖｏｌ４４ Ｎｏ９ 　 　 ２０１２年９月 ＪＯＵＲＮＡＬＯＦＨＡＲＢＩＮＩＮＳＴＩＴＵＴＥＯＦＴＥＣＨＮＯＬＯＧＹ Ｓｅｐ．２０１２ 　　　　　　 阴影集的模糊支持向量机样本选择方法 苏小红，赵玲玲，谢　琳，马培军 （哈尔滨工业大学 计算机科学与技术学院，１５０００１哈尔滨） 摘　要：样本选择可以提高模糊支持向量机训练速度并在一定程度上提高其抗噪能力，但存在有效样本选 择困难和选样率高的问题，利用阴影集对模糊集的分析能力，提出一种新的基于阴影集的模糊支持向量机样 本选择方法，将模糊集合划分为可信任、不可信任及不确定３个子集，仅在可信任和不确定子集中选样，并分 别采用子空间样本选择和边界向量提取的方法选样．实验结果表明，该方法在保持分类器泛化能力的前提下 可以有效降低选样率和训练时间．因该方法去除了样本中的不可信任数据，所以当训练样本中含有噪声时， 还可以有效提高分类器的分类性能． 关键词：模糊支持向量机；样本选择；阴影集 中图分类号：ＴＰ１８３ 文献标志码：Ａ 文章编号：０３６７－６２３４（２０１２）０９－００７８－０７ Ｓｈａｄｏｗｅｄｓｅｔｓｂａｓｅｄｓａｍｐｌｅｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒｆｕｚｚｙｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ ＳＵＸｉａｏｈｏｎｇ，ＺＨＡＯＬｉｎｇｌｉｎｇ，ＸＩＥＬｉｎ，ＭＡＰｅｉｊｕｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，１５０００１Ｈａｒｂｉｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＳａｍｐｌｅｓｅｌｅｃｔｉｏｎｃａｎｓｐｅｅｄｕｐｔｈｅｔｒａｉｎｉｎｇｏｆＦｕｚｚｙＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ（ＳＶＭ）．Ｈｏｗｅｖｅｒ，ｉｔ ｉｓｄｉｆｆｉｃｕｌｔｔｏｓｅｌｅｃｔｅｆｆｅｃｔｉｖｅｓａｍｐｌｅａｎｄｔｈｅｓｅｌｅｃｔｉｏｎｒａｔｉｏｉｓｖｅｒｙｈｉｇｈ．Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎｅｗｓａｍｐｌｅｓｅ ｌｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒＦｕｚｚｙＳＶＭｂａｓｅｄｏｎｓｈａｄｏｗｅｄｓｅｔｓ．Ｗｅｄｉｖｉｄｅｔｈｅｆｕｚｚｙｓｅｔｓｉｎｔｏｔｈｒｅｅｓｕｂｓｅｔｓ，ｉ．ｅ．ｔｒｕｓｔ ａｂｌｅｄａｔａｓｅｔｓ，ｔｒｕｓｔｌｅｓｓｄａｔａｓｅｔｓａｎｄｕｎｃｅｒｔａｉｎｄａｔａｓｅｔｓ．Ｔｈｅｓａｍｐｌｅｓａｒｅｏｎｌｙｓｅｌｅｃｔｅｄｉｎｔｒｕｓｔａｂｌｅｄａｔａｓｅｔｓ ａｎｄｕｎｃｅｒｔａｉｎｄａｔａｓｅｔｓｂｙｕｓｉｎｇｔｈｅｓｕｂｓｐａｃｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍａｎｄｔｈｅｂｏｒｄｅｒｖｅｃｔｏｒｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｒｅ ｓｐｅｃｔｉｖｅｌｙ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｔｒａｉｎｉｎｇｔｉｍｅａｎｄｓｅｌｅｃｔｉｏｎｒａｔｉｏｉｓｓｉｇｎｉｆｉｃａｎｔｌｙｒｅｄｕｃｅｄｗｉｔｈｏｕｔ ａｎｙｄｅｃｒｅａｓｅｉｎｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙｂｙｕｓｉｎｇｔｈｅｓａｍｐｌｅｓｃｈｏｓｅｎｂｙｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｉｔ ｉｍｐｒｏｖｅｓｔｈｅｐｒｅｄｉｃｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｃｌａｓｓｉｆｉｅｒｓｗｈｅｎｔｈｅｄａｔａｓｅｔｓｃｏｎｔａｉｎｎｏｉｓｅｓ． Ｋｅｙｗｏｒｄｓ：ｆｕｚｚｙｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ；ｓａｍｐｌｅｓｅｌｅｃｔｉｏｎ；ｓｈａｄｏｗｅｄｓｅｔｓ ［６］ 　　系统的性能退化状态识别是智能维护（Ｉｎｔｅｌ ＶｅｃｔｏｒＭａｃｈｉｎｅ，ＳＶＭ）由Ｖ．Ｖａｐｎｉｋ 于 １９９５年 ［１］ 提出，该方法建立在结构风险最小化的基础上，有 ｌｉｇｅｎｔＭａｉｎ