论文研究云模型的隶属概念判定中阈值生成.pdf

通过多维关联规则挖掘，将粒度计算（GranularComputing，GrC）和支持向量机（SupportVectorMachine，SVM）有效融合，提出一种粒度支持向量机（GranularSVM，GSVM）学习方法，称为AR-GSVM。该方法用于非平衡数据处理时，不仅可以有效降低分类器的复杂性，而且本质上可以进行并行计算以提高学习效率，同时提高分类器的泛化能力。考虑到保持数据在原始空间和特征空间的分布一致性，在AR-GSVM的基础上又提出核空间上的粒度支持向量机学习方法，称为AR-KGSVM，该方法具有更好的泛化性能。通过在UCI数据集上的实验表明：AR-GSVM和AR-KGSVM