基于模糊C均值聚类的支持向量机被引量：1

下载PDF

导出

摘要基于统计学理论的支持向量机是一种新的很有效的模式识别方法,但对于支持向量的选择还有困难,对此本文利用模糊C均值(FCM,Fuzzy C-Means)聚类,对训练样本进行预处理,大大减少了训练样本的数量,提高了支持向量机的训练速度。仿真实验的结果证实了该方法的可行性和有效性。

作者潘庆丰

机构地区福州大学数学与计算机学院

出处《福建电脑》 2006年第1期81-82,共2页 Journal of Fujian Computer

关键词模糊C均值聚类支持向量机

参考文献1

1Christopher J.C. Burges. A Tutorial on Support Vector Machines for Pattern Recognition[J] 1998,Data Mining and Knowledge Discovery(2):121～167

1桂卫华,李勇刚,阳春华,陈志盛.基于改进聚类算法的分布式SVM及其应用[J].控制与决策,2004,19(8):852-856. 被引量：13
2刘文远,王颖洁,邓成玉,王宝文,石岩,方淑芬.基于遗传算法的模糊聚类分析[J].计算机工程,2004,30(19):117-118. 被引量：12
3张国云,章兢.基于粗集理论和支持向量机的动态预测新方法及应用[J].自动化仪表,2005,26(2):17-20. 被引量：6
4赵倩,胡越黎,曹家麟.基于支持向量机和遗传算法的皮肤显微图像特征选择[J].模式识别与人工智能,2005,18(4):502-505. 被引量：3
5李国正王猛增华军译 NelloCristianini JohnShawe-Taylor著.支持向量机导论[M].北京:电子工业出版社,2004..
6Xu Lei,Krzyzak Adam,Oja Erkki.Rival penalized competitive learning for clustering analysis,RBF net,and curve detectior[J],IEEE Trans on Neural Networks,1993,4(4):636-649

福建电脑

2006年第1期

内容加载中请稍等...