基于模糊向量机优化的信息分类优化模型设计

针对传统方法存在的信息分类准确性不高,信息重叠率较高的问题,提出基于模糊向量机优化的信息分类优化模型设计方法。运用模糊C均值对多标签空间进行粒化处理,通过信息增益获取不同变量标签之间的关联程度。针对多标签信息分类问题,选取一种合适的隶属度函数,运用该函数映射所有信息样本,获取其所属类别的隶属度。考虑到模糊支持向量机训练效率较慢的问题,运用核聚类方法对模糊向量机进行优化,组建最优超平面,在高维空间内根据各自属性完成分类。实验结果表明,所设计方法分类后信息重叠率较低,并且准确性更高,说明该方法的应用效果较好。