一种改进的FLS-SVM分类辨识模型及其应用

作     者：左红艳 王涛生 ZUO Hongyan;WANG Taosheng

作者机构：中南大学资源与安全工程学院湖南长沙410083 湖南涉外经济学院商学院湖南长沙410205 

出 版 物：《中南大学学报（自然科学版）》 (Journal of Central South University:Science and Technology)

年 卷 期：2017年第48卷第8期

页      面：2097-2104页

核心收录：

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0806[工学-冶金工程] 0818[工学-地质资源与地质工程] 0815[工学-水利工程] 0805[工学-材料科学与工程（可授工学、理学学位）] 0813[工学-建筑学] 0703[理学-化学] 0814[工学-土木工程] 0811[工学-控制科学与工程] 0702[理学-物理学] 

基　　金：国家自然科学基金资助项目(71573082) 湖南省自然科学基金资助项目(2017JJ2134) 湖南省高校创新平台开放基金资助项目(14K055)~~ 

主　　题：混沌免疫算法 模糊最小二乘支持向量机 分类辨识 

摘      要：采用三角形函数隶属度法确定模糊最小二乘支持向量机(fuzzy least squares support vector machine,FLS-SVM)输入参数隶属度,采用自适应变尺度混沌免疫算法优化FLS-SVM的参数,从而构建改进模糊最小二乘支持向量机(improved fuzzy least squares support vector machines,IFLS-SVM)分类辨识模型,用Ripley数据集、MONK数据集和PIMA数据集进行仿真实验,并用于地下金属矿山采场信号分类辨识与中国国际贸易安全分类辨识。研究结果表明:与LS-SVM分类辨识模型和FLS-SVM分类辨识模型相比,IFLS-SVM分类辨识模型能有效提高带噪声点和异常点数据集的分类精度,且分类辨识精度相对误差较小。