一种新的支持矢量数据描述模糊识别方法

支持矢量机(SVM)是一种两类分类器,而支持矢量数据描述(SVDD)是一种单类数据分类方法,通过在特征空间寻找包含某类样本的最小超球体来对样本分类,该方法只需已知某类数据即可构造分类器。但是在SVDD方法中,直接根据超球体构造的分类器对样本数据正确识别能力不高。针对这个问题,根据样本在特征空间中到各个超球体球心的距离构造了样本属于各个类别的模糊隶属度函数,提出了FSVDD多目标识别方法。在FSVDD的训练过程中采用了乘性迭代规则的快速优化算法,该快速算法降低了优化的复杂度和缩短了优化时间。在针对不同类型数据集的识别实验中,证明了提出的FSVDD多目标识别算法具有训练速度快、识别率高的优点,有很强的实用性。