论文部分内容阅读
将动态支持向量机(SVM)和模糊SVM相结合，研究了以待识别目标特征的分类为核心任务的模糊动态SVM。在以目标特征为中心的动态样本集中，为了更好地体现不同训练样本的价值，将每个样本的惩罚项分解为距离惩罚项和先验惩罚项。其中，距离惩罚项采用训练样本到所属聚类中心距离的函数度量。并对分类情况进行了比较，效果较好。