基于模糊隶属度的最优间隔分布矩阵分类器

打开文本图片集

摘要：

提出了一种模糊最优间隔分布矩阵分类器（Fuzzy Optimal-margin Distribution Matrix Classifier， FODMC）。 该模型通过整合模糊隶属度理论与间隔分布优化机制， 实现了矩阵结构信息的有效提取与异常值的鲁棒处理。 具体而言， FODMC采用基于间隔分布的损失函数来优化分类边界， 结合核范数正则化策略保持矩阵的低秩特性， 并利用交替方向乘子法（Alternating Direction Method of Multipliers， ADMM）实现模型的高效训练。（剩余13646字）