本文關(guān)鍵詞： 數(shù)據(jù)挖掘 分類算法 模糊支持向量機(jī) 粒子群優(yōu)化　出處：《蘭州理工大學(xué)學(xué)報》2017年05期 　論文類型：期刊論文

【摘要】：針對模糊支持向量機(jī)(FSVM)應(yīng)用于數(shù)據(jù)挖掘分類中存在對大樣本集訓(xùn)練速度及分類速度慢的缺點,提出一種改進(jìn)的數(shù)據(jù)挖掘模糊支持向量機(jī)分類算法.該算法首先預(yù)選有效的候選支持向量縮減訓(xùn)練樣本集的規(guī)模提高訓(xùn)練速度;其次提出一種新的模糊隸屬度函數(shù),增強(qiáng)支持向量對構(gòu)建模糊支持向量機(jī)最優(yōu)分類超平面的作用,并用經(jīng)過預(yù)選的訓(xùn)練樣本集進(jìn)行訓(xùn)練FSVM得到支持向量集;最后,運(yùn)用粒子群優(yōu)化算法選擇最優(yōu)支持向量子集,使用平均分類誤差作為適應(yīng)度函數(shù),最終粒子輸出時,將樣本隸屬度與設(shè)定閾值相比較,選擇出支持向量集中相對較大隸屬度的樣本作為新的支持向量,提高分類速度.實驗結(jié)果表明,該算法在不損失分類精度的情況下,提高了模糊支持向量機(jī)的訓(xùn)練速度和分類速度.
[Abstract]:For fuzzy support vector machine (FSVM) application in data mining classification there are shortcomings of slow training speed and classification speed for large sample set. An improved fuzzy support vector machine (FSVM) classification algorithm for data mining is proposed. Firstly, an effective candidate support vector reduction training sample set is pre-selected to improve the training speed. Secondly, a new fuzzy membership function is proposed to enhance the function of support vector to construct the optimal classification hyperplane of fuzzy support vector machine. The support vector set is obtained by training FSVM with pre-selected training sample set. Finally, the particle swarm optimization algorithm is used to select the optimal support vector subset, and the average classification error is used as the fitness function. When the final particle output, the sample membership degree is compared with the set threshold. In order to improve the classification speed, the new support vector with relatively large membership degree in the support vector set is selected. The experimental results show that the algorithm does not lose the classification accuracy. The training speed and classification speed of fuzzy support vector machine are improved.
【作者單位】： 蘭州理工大學(xué)電氣工程與信息工程學(xué)院;
【基金】：國家自然科學(xué)基金(51265032)
【分類號】：TP18;TP311.13
【正文快照】： 數(shù)據(jù)挖掘中,分類是一個重要的研究方向,它可以描述數(shù)據(jù)的類模型,也可以預(yù)測未來的趨勢.分類的目的是根據(jù)數(shù)據(jù)集的特點構(gòu)造一個分類函數(shù)或分類模型,該模型可以將未知類別的樣本映射到給定類別的某一種.現(xiàn)有的分類算法主要有決策樹方法、支持向量機(jī)方法(SVM)、k最近鄰方法、基于

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬永軍,李孝忠,王希雷;基于模糊支持向量機(jī)和核方法的目標(biāo)檢測方法研究[J];天津科技大學(xué)學(xué)報;2005年03期

2 余錦華;汪源源;陳萍;;基于模糊支持向量機(jī)預(yù)測胎重的方法研究與比較[J];儀器儀表學(xué)報;2008年11期

3 張桂香;費嵐;杜U，

本文編號：1482094