一种基于不确定性支持向量机的数据模型比较方法

摘要

本发明公开了一种基于不确定性支持向量机的数据模型比较方法，通过构建高维度数据模型，将不确定性参数引入支持向量机分类模型的训练，从而提升对本体数据模型的辨识和比较效率及准确率，最终实现高效数据集成。本发明采用了支持向量机机器学习方法，开展数据本体模型的快速分类。通过引入不确定性参数，避免了数据模型由于不同部门、不同责任主体之间的管理差异和不确定因素产生噪音干扰分类模型的正常运行。本发明同时兼顾线性分类和基于核函数的非线性分类，对不同的应用场景有较强的适应性。