基于流形模糊双支持向量机的恒星光谱分类方法 |
| |
引用本文: | 刘忠宝,高艳云,王建珍.基于流形模糊双支持向量机的恒星光谱分类方法[J].光谱学与光谱分析,2014,35(1):263. |
| |
作者姓名: | 刘忠宝 高艳云 王建珍 |
| |
作者单位: | 刘忠宝:中北大学计算机与控制工程学院, 山西 太原 030051 高艳云:河南信息统计学院人事处, 河南 郑州 450008 王建珍:山西大学商务学院信息学院, 山西 太原 030031
|
| |
基金项目: | 山西省高等学校科技创新项目(2014142, 20131112)资助 |
| |
摘 要: | 支持向量机(support vector machine, SVM)具有良好的学习性能和泛化能力, 因而被广泛应用于恒星光谱分类中。然而实际应用面临的数据规模往往很大, SVM便暴露出计算量大、分类速度慢等问题。为了解决上述问题, Jayadeva等提出双支持向量机(twin support vector machine, TWSVM), 将计算时间减少至SVM的1/4。然后上述方法仅关注数据的全局特征, 对每类数据的局部特征并未关注。鉴于此, 提出基于流形模糊双支持向量机(manifold fuzzy twin support vector machine, MF-TSVM)的恒星光谱分类方法。利用流形判别分析获得数据的全局特征和局部特征, 模糊隶属度函数的引入将各类数据区别对待, 尽可能减少噪声点和奇异点对分类结果的影响。与C-SVM, KNN等传统分类方法在SDSS恒星光谱数据集上的比较实验表明了该方法的有效性。
|
关 键 词: | 自动分类 恒星光谱 流形判别分析 模糊隶属度 双支持向量机 |
收稿时间: | 2013/9/8 |
Automatic Classification Method of Star Spectra Data Based on Manifold Fuzzy Twin Support Vector Machine |
| |
Abstract: | |
| |
Keywords: | Automatic classification Star spectra data Manifold-based discriminant analysis (MDA) Fuzzy membership Twin support vector machine (TWSVM) |
|
|