%0 Journal Article %A 方佳艳 %A 刘峤 %A 吴德 %A 秦志光 %T 基于模糊C-均值的相似性特征转换光滑支持向量机 %D 2018 %R 10.3969/j.issn.0372-2112.2018.11.019 %J 电子学报 %P 2714-2724 %V 46 %N 11 %X 在用于非线性分类的光滑支持向量机(SSVM)模型中,核函数必须满足Mercer's条件,由此限制了核函数的选择范围;并且在面对大规模数据集时,SSVM模型的计算复杂度很高,训练时间长.针对这两点缺陷提出了基于模糊C-均值的相似性特征转换光滑支持向量机模型(SFT-SSVM-FCM).首先,运用基于相似性的特征转换,使得核函数不需要再满足Mercer's条件,从而拓宽了核函数的选择范围;其次,运用模糊C-均值(FCM)分群技术,将完整的训练数据集划分成若干子簇,分别在每一个子簇上进行已经过相似性特征转换的SSVM模型训练.实验表明:与传统的SVM、SSVM模型及一系列变体模型相比较,该新模型在训练时间、分类精度方面都具有更好的表现. %U https://www.ejournal.org.cn/CN/10.3969/j.issn.0372-2112.2018.11.019