紧密类超带模糊支持向量机

提出一种紧密类超带模糊支持向量机(affinityclass-hypcrparallclfuzzysupportvcctormachinc,achfsvm)，其以获得较好的杭噪性和泛化能力。该方法在摒弃样本集球形分布假设的同时，纳入对样本紧密度的考量，用类内超平面取代类中心，通过二次规划的方法在特征空间中寻找最小类超带，以其带宽表征样本紧密度，构造s型隶属度函数。基于uci数据集的仿真结果表明该方法较同类算法具有更好的抗噪和分类性能。