本文主要研究内容
作者刘忠宝,秦振涛,罗学刚,周方晓,张靖（2019）在《利用融合数据分布特征的模糊双支持向量机对恒星光谱分类》一文中研究指出：恒星光谱分类是天文学研究的一个热点问题。随着观测光谱数量的急剧增加,传统的人工分类无法满足实际需求,急需利用自动化技术,特别是数据挖掘算法来对恒星光谱进行自动分类。关联规则、神经网络、自组织网络等数据挖掘算法已广泛应用于恒星光谱分类。其中,支持向量机(SVM)分类能力突出,被广泛应用于恒星光谱分类。该方法试图在两类样本之间找到一个最优分类面将两类分开。该方法具有较高的时间复杂度,计算效率有限。双支持向量机(TWSVM)的出现有效地解决了SVM面临的效率问题。该方法通过构造两个非平行的分类面将两类分开,每一类靠近某个分类面,而远离另一个分类面。TWSVM的计算效率较之传统SVM提高近4倍,因此,自TWSVM提出后便受到研究人员的持续关注。但上述方法在分类决策时,一方面没有考虑数据的分布特征,另一方面较易受噪声点和奇异点的影响,分类效率难以显著提升。鉴于此,在双支持向量机的基础上,提出融合数据分布特征的模糊双支持向量机(TWSVM-SDP)。该方法引入线性判别分析(LDA)的类间离散度和类内离散度,用以表征光谱数据的分布性状;引入模糊隶属度函数用以降低噪声点和奇异点对分类结果的影响。在SDSS DR8恒星光谱数据集上的比较实验表明,与支持向量机SVM、双支持向量机TWSVM等传统分类方法相比,融合数据分布特征的模糊双支持向量机TWSVM-SDP具有更优的分类能力。该方法亦存在一定的局限性,其中一大难题是其无法处理海量光谱数据。接下来将利用大数据处理技术,来对所提方法在大数据环境下的适应性展开进一步研究。
Abstract
heng xing guang pu fen lei shi tian wen xue yan jiu de yi ge re dian wen ti 。sui zhao guan ce guang pu shu liang de ji ju zeng jia ,chuan tong de ren gong fen lei mo fa man zu shi ji xu qiu ,ji xu li yong zi dong hua ji shu ,te bie shi shu ju wa jue suan fa lai dui heng xing guang pu jin hang zi dong fen lei 。guan lian gui ze 、shen jing wang lao 、zi zu zhi wang lao deng shu ju wa jue suan fa yi an fan ying yong yu heng xing guang pu fen lei 。ji zhong ,zhi chi xiang liang ji (SVM)fen lei neng li tu chu ,bei an fan ying yong yu heng xing guang pu fen lei 。gai fang fa shi tu zai liang lei yang ben zhi jian zhao dao yi ge zui you fen lei mian jiang liang lei fen kai 。gai fang fa ju you jiao gao de shi jian fu za du ,ji suan xiao lv you xian 。shuang zhi chi xiang liang ji (TWSVM)de chu xian you xiao de jie jue le SVMmian lin de xiao lv wen ti 。gai fang fa tong guo gou zao liang ge fei ping hang de fen lei mian jiang liang lei fen kai ,mei yi lei kao jin mou ge fen lei mian ,er yuan li ling yi ge fen lei mian 。TWSVMde ji suan xiao lv jiao zhi chuan tong SVMdi gao jin 4bei ,yin ci ,zi TWSVMdi chu hou bian shou dao yan jiu ren yuan de chi xu guan zhu 。dan shang shu fang fa zai fen lei jue ce shi ,yi fang mian mei you kao lv shu ju de fen bu te zheng ,ling yi fang mian jiao yi shou zao sheng dian he ji yi dian de ying xiang ,fen lei xiao lv nan yi xian zhe di sheng 。jian yu ci ,zai shuang zhi chi xiang liang ji de ji chu shang ,di chu rong ge shu ju fen bu te zheng de mo hu shuang zhi chi xiang liang ji (TWSVM-SDP)。gai fang fa yin ru xian xing pan bie fen xi (LDA)de lei jian li san du he lei nei li san du ,yong yi biao zheng guang pu shu ju de fen bu xing zhuang ;yin ru mo hu li shu du han shu yong yi jiang di zao sheng dian he ji yi dian dui fen lei jie guo de ying xiang 。zai SDSS DR8heng xing guang pu shu ju ji shang de bi jiao shi yan biao ming ,yu zhi chi xiang liang ji SVM、shuang zhi chi xiang liang ji TWSVMdeng chuan tong fen lei fang fa xiang bi ,rong ge shu ju fen bu te zheng de mo hu shuang zhi chi xiang liang ji TWSVM-SDPju you geng you de fen lei neng li 。gai fang fa yi cun zai yi ding de ju xian xing ,ji zhong yi da nan ti shi ji mo fa chu li hai liang guang pu shu ju 。jie xia lai jiang li yong da shu ju chu li ji shu ,lai dui suo di fang fa zai da shu ju huan jing xia de kuo ying xing zhan kai jin yi bu yan jiu 。
论文参考文献
论文详细介绍
论文作者分别是来自光谱学与光谱分析的刘忠宝,秦振涛,罗学刚,周方晓,张靖，发表于刊物光谱学与光谱分析2019年04期论文，是一篇关于恒星光谱论文,分类论文,数据分布特征论文,模糊隶属度论文,双支持向量机论文,光谱学与光谱分析2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自光谱学与光谱分析2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：恒星光谱论文; 分类论文; 数据分布特征论文; 模糊隶属度论文; 双支持向量机论文; 光谱学与光谱分析2019年04期论文;