一种基于相对密度与非隶属度的直觉模糊双支持向量机分类方法技术

本发明专利技术属于机器学习与模式识别技术领域，具体涉及一种基于相对密度与非隶属度的直觉模糊双支持向量机分类方法，包括：构建RD‑IFTSVM模型并训练，通过训练后的RD‑IFTSVM模型进行数据分类。本发明专利技术提出相对密度隶属度函数，结合局部邻域异类样本与全局同类密度一致样本的比例，避免传统方法仅依赖局部邻域导致的误判，抑制噪声并保留有效样本；针对正负类分别构建优化问题，引入独立的正则化参数和松弛变量，通过隶属度加权实现对核心样本的重点保护，对噪声样本的鲁棒性提升；同时提出基于几何距离的双超平面判别准则，样本归属由到正负类核超平面的最小距离决定。

【技术实现步骤摘要】

本专利技术属于机器学习与模式识别，具体涉及一种基于相对密度与非隶属度的直觉模糊双支持向量机分类方法。

技术介绍

1、在机器学习与模式识别领域，类别不平衡数据分类一直是极具挑战性的问题。传统支持向量机(svm)在处理此类问题时，由于其旨在最大化分类间隔，往往会偏向多数类样本，导致对少数类样本的分类性能不佳。此外，数据中的噪声和异常值也会严重影响svm的分类效果。为解决这些问题，研究人员提出了多种改进方法。

2、模糊支持向量机(fsvm)通过为每个样本分配隶属度，对噪声和异常值具有一定的鲁棒性。然而，其隶属度函数通常仅依赖于样本与类中心的距离，这种局部信息的局限性使得fsvm容易误将支持向量标记为噪声，影响分类的准确性。

3、直觉模糊双支持向量机(iftsvm)引入了直觉模糊集，为每个样本分配隶属度和非隶属度，能够更好地捕捉数据中的不确定性。但传统的iftsvm在计算非隶属度时，大多仅考虑样本的局部邻域关系，忽略了数据的全局分布信息，导致其在区分支持向量和噪声时能力不足。

4、为处理类别不平衡问题，研究人员从数据层面和算法层本文档来自技高网...

【技术保护点】

1.一种基于相对密度与非隶属度的直觉模糊双支持向量机分类方法，其特征在于，包括：

2.根据权利要求1所述的一种基于相对密度与非隶属度的直觉模糊双支持向量机分类方法，其特征在于，定义基于相对密度的模糊隶属度函数，并计算多数类样本的相对密度隶属度值，包括：

3.根据权利要求所述的一种基于相对密度与非隶属度的直觉模糊双支持向量机分类方法，其特征在于，根据多数类样本的相对密度隶属度值构建非隶属度函数，并计算多数类样本的非隶属度值，包括：

4.根据权利要求1所述的一种基于相对密度与非隶属度的直觉模糊双支持向量机分类方法，其特征在于，根据相对密度隶属度值和非隶属度...

【技术特征摘要】

1.一种基于相对密度与非隶属度的直觉模糊双支持向量机分类方法，其特征在于，包括：

2.根据权利要求1所述的一种基于相对密度与非隶属度的直觉模糊双支持向量机分类方法，其特征在于，定义基于相对密度的模糊隶属度函数，并计算多数类样本的相对密度隶属度值，包括：

3.根据权利要求所述的一种基于相对密度与非隶属度的直觉模糊双支持向量机分类方法，其特征在于，根据多数类样本的相对密度隶属度值构建非隶属度函数，并计算多数类样本的非隶属度值，包括：

4.根据权利要求1所述的一种基于相对密度与非隶属度的直觉模糊双支持向量机分类方法，其特征在于，根据相对密度隶...

【专利技术属性】
技术研发人员：李帅永，韩梦瑶，史可，田辉，李勇，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：