模糊最小包含球支持向量机

为提高支持向量机的模式分类性能,综合模糊支持向量机和球形支持向量机等方法,提出一种模糊最小包含球(FMEB)支持向量机,对于模式分类问题,通过引入模糊隶属度,寻找2个分别包含二类模式的同心最小包含球,使类间间隔最大化,同时二类模式类内分布最小化,从而增强泛化性和鲁棒性。实验结果证明FMEB的模式分类性能优于其他方法。

隐私团校准的模糊MEB学习

在一定条件下,基于最小累积平方误差(ISE)准则的高斯核密度估计与最小包含球(MEB)等价.在此基础上提出了一种含团状隐私数据保护的MEB学习方法,称为隐私团校准的MEB(PCC-MEB)方法;同时,通过引入模糊隶属度函数将PCC-MEB拓展为模糊的PCC-MEB(FPCC-MEB),从而解决二类及多类问题中区域不可分问题.人造和真实数据集上的实验结果表明,所提出方法具有较好的性能.