文献类型：期刊文章

作　　者：李广莉[1] 崔广顺[1]

机构地区：[1]承德石油高等专科学校计算机与信息工程系,河北承德067000

出　　处：《计算机测量与控制》

基　　金：河北省科技攻关课题(4213571)

年　　份：2011

卷　　号：19

期　　号：4

起止页码：908-910

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、INSPEC、ZGKJHX、核心刊

摘　　要：支持向量机是基于统计学习理论的新一代机器学习技术;由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题;针对目前模糊支持向量机方法中,一般使用样本与类中心之间的距离关系构建隶属度函数的不足,以统计学习理论和支持向量机为基础,提出了一种改进的模糊多类支持向量机方法,它是在全局优化分类的基础上,引入模糊隶属函数,然后利用改进的序列最小最优化算法求解模糊多类支持向量机,实验结果显示运行时间减少了,方法是可行的和有效的。

关 键 词：支持向量机 统计学习理论 多类分类 模糊隶属函数

分 类 号：TP391]