基于支持向量機的模糊規(guī)則提取算法的研究.pdf

1、本文圍繞專家系統(tǒng)知識獲取、知識獲取方法的集成和模糊規(guī)則庫管理和推理，研究了基于支持向量機(Support Vector MacVline，SVM)的模糊規(guī)則自動獲取方法，并結合軟件組件模型、XML、軟件體系結構等理論和方法，實現(xiàn)了基于組件的模糊推理系統(tǒng)。 支持向量機是上世紀九十年代提出的一種基于小樣本的新的統(tǒng)計學習方法。本論文通過引入基于SVM的多類分類方法來解決從數(shù)據(jù)庫中提取特征樣本的問題，并證明了SVM與模糊規(guī)則模型在分類問

2、題上的相似性，從而為本文提出的模糊規(guī)則自動獲取方法奠定了堅實的理論基礎。 模糊分類是模糊集合理論的一個重要應用。模糊分類規(guī)則被廣泛認為是分類知識較好的表示，與人類表達的知識類似，具有可讀性和解釋性。模糊分類在圖像處理、文字識別、語音識別、文本分類、遙感、氣象及工業(yè)自動化控制等許多領域得到廣泛應用。模糊劃分和模糊分類規(guī)則的自動產(chǎn)生，分類規(guī)則的表達式，分類規(guī)則的調整及分類識別率的提高是模糊分類模型研究的關鍵問題。論文中，提出了模糊集