论文部分内容阅读
在分析归纳原有聚类方法不足的基础上,结合粗糙理论和模糊理论,首先,给出了一种改进的粗糙模糊K-均值聚类算法;其次,设计了一种新的模糊粗糙K-均值聚类算法,并验证了该聚类算法的有效性;进而将这两种聚类算法应用到支持向量机中,对训练样本做预处理,以减少样本数目,提高其训练速度和分类精度。最后,在考虑样本紧密度的基础上,提出了一种新的模糊隶属度的确定方法,构建了一种新的模糊支持向量机。实验结果显示该方法可以给非支持向量赋予很小的隶属度,降低其对分类面的影响。同时,又能确保支持向量有较大的隶属度,提高模糊支持向量机的分类精度。