具有模糊隶属度的模糊支持向量机算法

唐　浩　廖与禾　孙　峰　谢　航

摘要：针对传统支持向量机(SVM)由于样本中存在孤立点数据或噪声而导致的过学习问题，通过分析模糊支持向量机(FSVM)的特点，指出其关键在于如何构建模糊隶属度，为此结合k近邻法思想提出了一种新的隶属度函数构造方法，该方法不仅考虑了样本点到类中心的距离，而且对各样本点排列的紧密程度也进行了估计，与传统SVM相比，它对样本的分类更为清晰和准确，将该方法应用于汽车发动机的实际故障诊断中，结果表明：SVM与普通FSVM的分类正确率较低，而采用新的模糊隶属度的FSVM算法却有较高的识别率，当k为5时分类正确率达到了70.93％，因此验证了该算法的有效性。

关键词：模糊支持向量机；模糊隶属度；故障诊断

中图分类号：TP181；TB533文献标志码：A文章编号：0253-987X(2009)07-0040-03