基于熵和蚁群聚类算法的模糊支持向量机

？摘要:模糊支持向量机(fsvm)对传统支持向量机(svm)在对外围点和噪声数据敏感的缺陷做了重要改进。选取合适的聚类中心计算符合数据本身特征分布的隶属度，能使分类更加准确，提高测试精度。论文基于模糊支持向量机思想，提出一种新的模糊聚类模型—基于熵和蚁群聚类算法的模糊支持向量机(eafsvm)，为聚类中心和隶属度的计算提出了新方法。实验对比传统svm和fsvm，结果表明eafsvm测试精度较高，尤其对多类数据、大规模数据具有较好的分类能力。