%0 Journal Article
%T 总间隔模糊超球学习机
%A 陶剑文
%A 王士同
%J 模式识别与人工智能
%P 237-247
%D 2012
%X 为解决传统支持向量机易出现学习“过拟合”和丢失数据统计特征等问题，通过引入模糊隶属度和总间隔思想，提出一种基于总间隔的最大间隔最小包含模糊球形学习机(TMF-SSLM)，使得一类(正类)被包含于一个最小包含超球内，而另一类(负类)与该超球间隔最大化，从而同时实现类间间隔的增大和正负两类类内体积的缩小。通过使用差异成本，解决不平衡训练样本问题。引入总间隔和模糊性惩罚，克服传统软间隔分类机的过拟合问题，显著提升球形学习机的泛化能力。采用UCI实际数据集分别对二类和一类模式分类进行实验，结果显示TMF-SSLM具有优于相关方法的稳定分类性能。
%K 总间隔
%K 支持向量
%K 模糊支持向量机
%K 超球体
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract9414.shtml