论文部分内容阅读
传统的模糊支持向量机中的隶属度是由样本点到类别几何中心的距离来确定的，在较大程度上消除噪声点或孤立点的同时也削弱了类边缘支持向量对分类超平面的影响。直觉模糊支持向量机在解决此类问题方面有较好的效果，但是由于忽略样本间重要性的差异有可能会导致重要的样本被错误分类。为了有效地克服此类问题，构建了加权直觉模糊支持向量机。该算法用隶属度、直觉指数和权值度量样本点的重要性，弥补了直觉模糊支持向量机没有充分考虑到样本权重的重要性，并把加权直觉模糊支持向量机应用到图像分割技术中。仿真实验表明，加权直觉模糊支持向量机在图像分割的应用中表现出良好的性能。