不确定数据分类更强
通过三向模糊隶属度函数，在输入空间和特征空间中增强不确定数据的确定性，对少数类赋予更高隶属度，从而在不平衡分类中优于传统SVM方法。
Wanting, Cai · 蔡明杰 · 李庆国 · Qiong, Liu
Applied Soft Computing Journal 2024
新的三向模糊隶属度函数在输入空间和特征空间中对少数类样本赋予更高的模糊隶属度，提升其分类准确性。
在47个不同不平衡率数据集上的对比实验表明，所提模型显著优于其他传统SVM方法。
通过从同一数据集衍生不同不平衡率的数据集进一步评估，证明了模型在不同不平衡程度下的有效性。