摘要：以模糊支持向量机（FSVM）为基础,同时考虑样本在间隔中的位置对决策超平面的影响,提出了基于粗糙间隔的模糊支持向量机（RFSVM）.通过计算各个数据点的模糊隶属度,并利用最大化粗糙间隔方法,对具有隶属度的数据进行训练以获得决策超平面.在此算法中,位于下间隔中的训练点比边界域中的训练点具有较大的惩罚值,以便更好地减少噪声或野点对超平面的影响.利用选择的标准数据集对几种不同算法进行了实验比较,结果表明了RFSVM算法的有效性.

关键词：模糊支持向量机 粗糙间隔 分类 正确率 

单位：河北大学数学与计算机学院; 河北保定071002; 包头供电局电能计量中心; 内蒙古包头014030