论文部分内容阅读
模糊支持向量机（FSVM）具有很好的抗噪声能力，受到了很多专家的重视。然而模糊支持向量机算法的时间复杂度通常较高。针对这一不足，本文提出了一种基于核聚类的模糊支持向量机算法。首先根据核聚类算法对每一类原始样本进行聚类，然后对每一簇求样本中心，用样本中心作为新的样本点替换该类别的原始样本。最后本文算法利用中心距离型计算新样本的模糊权重，并利用模糊支持向量机算法进行求解。实验充分验证了本文算法相对于传统模糊支持向量机方法具有更快的分类速度。