一种具有特征有效度的模糊支持向量机

摘要

针对传统支持向量机对噪声或野值样本敏感和忽略样本各个特征对分类精度的不同影响,提出了一种具有特征有效度的模糊支持向量机(FW-FSVM)。该方法通过对模糊支持向量机的模糊因子进行改进,将噪声或野值样本与有效样本进行区分。在此基础上根据信息增益计算样本各个特征的特征有效度,消除弱相关特征和冗余特征对分类精度的影响,从而构建了具有特征有效度的模糊支持向量机。与以往的SVM改进方法相比较,实验验证了FW-FSVM的有效性,表明其具有更好的分类精度和泛化能力。