首页|期刊导航|重庆邮电大学学报(自然科学版)|基于可变稀疏度测度的模糊粒球支持向量机

基于可变稀疏度测度的模糊粒球支持向量机OA

中文摘要

模糊支持向量机(fuzzy support vector machine,FSVM)通过引入样本隶属度缓解了经典支持向量机多分类中的混分和漏分问题。粒球计算理论为分类模型优化提供了新思路。现有模糊粒球生成算法面临两大挑战:①隶属度计算与粒球构造割裂,难以准确刻画数据模糊性;②粒球构造未有效融合数据不确定性,导致其几何结构与真实分布失配。为此,提出一种基于可变稀疏度测度(variable sparsity measure,VSM)的模糊粒球生成算法,将局部密度与模糊隶属度耦合为自适应稀疏度量,并设计粒球构造与隶属度计算的协同优化机制,实现模糊信息的动态融合与自适应粒球构造。在此基础上,构建了基于VSM的模糊粒球支持向量机模型。实验结果表明,该模型在高噪声环境下表现出优越性能与稳定性。

冯慧;邵亚斌;巩增泰;何怡;王兰

重庆邮电大学数学与统计学院,重庆400065重庆邮电大学数学与统计学院,重庆400065 空间大数据智能安全教育部重点实验室,重庆400065西北师范大学数学与统计学院,兰州730070重庆邮电大学数学与统计学院,重庆400065重庆邮电大学数学与统计学院,重庆400065

信息技术与安全科学

模糊支持向量机可变稀疏度测度模糊粒球分类算法

《重庆邮电大学学报(自然科学版)》 2026 (4)

P.816-825,10

国家自然科学基金项目(12471444,62450043)重庆市自然科学基金面上项目(CSTB2023NSCQ-MSX0707)。

10.3979/j.issn.1673-825X.202508110178

评论