安徽工程大学学报

2007, No.60(01) 45-50

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

模糊主分量分类器
Fuzzy principal component classifier

韩自存;杨绪兵;

摘要(Abstract):

W.J.Hu提出的主分量分类器(PCC)通过最大化两类样本在分类面法方向上的投影代数和,实现样本分类.PCC是基于样本的统计平均特性,所以少量的野值对分类面方向的确定影响较小,而SVM对野值较为敏感.PCC与支持向量机相比具有较好的鲁棒性.但是PCC对野值的处理等同于其他样本,尽管有效果,但仍会影响分类面的求取,同时也缺乏直观上(或物理上)的解释,而且没有考虑随机噪声对分类面的影响.鉴于此,在PCC的基础上进行改进,引入模糊思想,设计了一组模糊型的主分量分类器,进一步弱化野值和随机噪声对分类面的影响.人工数据集和Beachmark数据集上的实验证明了新分类器的有效性.

关键词(KeyWords): 主分量分类器;支持向量机;野值;核化

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 韩自存;杨绪兵;

Email:

DOI:

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享