基于局部离群因子的模糊支持向量机算法

摘要

模糊支持向量机是一种结合了支持向量机和模糊理论的分类算法。现有的模糊支持向量机算法可以在一定程度上克服噪声数据的影响，但存在成本敏感性，导致对数据的先验分布估计不准确。提出一种新的模糊支持向量机算法，该算法在设计样本的模糊隶属度函数时，利用采样点及其邻域密度的相似性构建的离群因子来更好地获取数据的分布信息。利用UCI数据集对优化后的模型进行验证，证明了其良好的性能。

关键词

模糊支持向量机 / 邻域密度 / 离群因子 / 隶属度函数 / 不平衡数据