许翠云，业 宁

(南京林业大学信息科学技术学院，江苏 南京 210037)

基于类向心度的模糊支持向量机*

许翠云，业 宁

(南京林业大学信息科学技术学院，江苏 南京 210037)

传统支持向量机(SVM)训练含有噪声或野值点的数据时，容易产生过拟合，而模糊支持向量机可以有效地处理这种问题。针对使用样本与类中心之间的距离关系来构建模糊支持向量机隶属度函数的不足，提出了一种基于类向心度的模糊支持向量机(CCD-FSVM)。该方法不仅考虑到样本与类中心之间的关系，还考虑到类中各个样本之间的联系，并用类向心度来表示。将类向心度应用于模糊隶属度函数的设计，能够很好地将有效样本与噪声、野值点样本区分开来，而且可以通过向心度的大小，对混合度比较高的样本进行区分，从而达到提高分类精度的效果。实验结果表明，基于类向心度的模糊支持向量机其分类正确率比支持向量机高，在使用三种不同隶属度函数的FSVM中，该方法的抗噪性能最好，分类性能最强。

模糊支持向量机；隶属度函数；类向心度

1 引言

支持向量机SVM(Support Vector Machines)[1]是将结构风险最小化原则引入到分类的一种机器学习方法，它基于统计学习理论，致力于在属性空间中构建最优分类超平面，从而获得分类器的全局最优解。SVM泛化能力强，能够较好地解决传统机器学习方法中存在的问题，如：局部极小、过学习和维数灾难等。但是，它的抗噪性比较差，对噪声或野值点比较敏感。为了改善这……