一种模糊加权的孪生支持向量机算法-计算机工程与应用.PDFVIP

162 2013 ，49 （4 ） Computer Engineering and Applications 计算机工程与应用 一种模糊加权的孪生支持向量机算法 李 凯，李 娜，卢霄霞 LI Kai, LI Na, LU Xiaoxia 河北大学 数学与计算机学院，河北 保定 071002 College of Mathematics and Computer, Hebei University, Baoding, Hebei 071002, China LI Kai, LI Na, LU Xiaoxia. Twin Support Vector Machine algorithm with fuzzy weighting. Computer Engineering and Applications, 2013, 49 （4 ）：162-165. Abstract ：Although Twin Support Vector Machine （TSVM ）has faster speed than traditional support vector machine for classifi- cation problem, it does not take the importance of the training samples on the learning of the decision hyperplane into account with respect to the classification task. In this paper, Fuzzy Twin Support Vector Machine （FTSVM ）is proposed by applying a fuzzy membership to each training sample to reduce the effects of the samples on the hyperplane. Experiments on several UCI benchmark datasets show that the fuzzy twin support vector machine is effective and feasible relative to twin support vector machine, fuzzy support vector machine and support vector machine. Key words ：Twin Support Vector Machine; fuzzy weighting; classification 摘 要：虽然孪生支持向量机（Twin Support Vector Machine ，TSVM ）的处理速度优于传统的支持向量机，但其并没有考 虑输入样本点对最优分类超平面所产生的不同影响。通过为每个训练样本赋予不同的样本重要性，以及减少样本点对非 平行超平面的影响，提出了模糊加权孪生支持向量机（Fuzzy TSVM ，FTSVM ）。在UCI 标准数据集上，对FTSVM 进行了 实验研究并与TSVM 、FSVM 和SVM 方法进行了比较，实验结果表明FTSVM 方法是有效的。 关键词：孪生支持向量机；模糊加权；分类 文献标志码：A 中图分类号：TP 18 doi ：10.3778/j.issn. 1002-8331.1107-0293 1 引言 于处理多分类问题的不可分区域；Lin[2] 等提出了用于二分 支持向量机（Support Vector Machines ，SVM ）是由 类问题的模糊支持向量机；之后，Abe[3] 等又提出了处理多 Vapnik 等最先提出的一种用于解决二类问题的机器学习方 分类问题的模糊最小二乘支持向量机。 法，目前它已引起越来越多学者的关注并广泛应用于许多 在2001 年，Fung 和Mangasarian[4]提出了近似支持向量 领域。支持向量机是基于统计学习理论的结构风险最小 机（Proximal Support Vector Machines ，PSVM ），通过在每 化原理（Str