论文部分内容阅读
支持向量机是Vapnik等学者在统计学习理论的基础上提出的一种新的机器学习方法。针对支持向量机理论中的多类分类问题和对于噪音数据的敏感性，本文提出了一种模糊补偿多类支持向量机算法FC-SVM。该算法是在Weston等人提出的多类SVM分类器的直接构造方法中引入模糊补偿函数，针对每个输入数据对分类结果的两方面影响，将目标函数中的惩罚项不仅进行了模糊化，而且对于分类情况进行了加权补偿，并重构了优化问题及其约束条件，然后重构了Lagrange公式，给出了理论推导。在充分的数值实验基础上，将文中提出的方法应用于建