基于动态核函数的模糊支持向量机

针对传统的支持向量机(svm)对训练样本中的噪声和野值特别敏感而导致的过学习问题，文中提出了一种新的基于动态核函数的模糊支持向量机(fsvm)。该方法不仅考虑了样本点到类中心的距离，而且还考虑了样本间的密切度，结合这两种思想在特征空间中构造了一种新的基于动态核函数的模糊隶属度。仿真实验表明，该方法有较好的分类精度和推广能力并且在理论上具有一般性和能够有效地减弱野值的影响。