论文部分内容阅读
传统的支持向量机对噪声或野点是敏感的，针对这种情况，引入了模糊支持向量机，但模糊隶属度的确定是个难点。利用基于线性规划下的一类分类算法来确定模糊隶属度，根据不同输入样本对分类的贡献不同，赋予相应的隶属度，将噪声或野点与有效样本区分开。实验结果表明，模糊支持向量机比传统的支持向量机有更好的分类效果，能够削弱噪声或野点的影响。