模糊支持向量機(jī)關(guān)鍵技術(shù)研究.pdf

1、支持向量機(jī)是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的一種新型機(jī)器學(xué)習(xí)方法，較好的解決了非線(xiàn)性、高維度、局部極小等問(wèn)題，成功的應(yīng)用于小樣本、高維度數(shù)據(jù)的學(xué)習(xí)中。但是，當(dāng)訓(xùn)練樣本中含有模糊信息或者噪聲時(shí)，其性能將大大下降。模糊支持向量機(jī)將支持向量機(jī)與模糊集理論相結(jié)合，拓寬了支持向量機(jī)的應(yīng)用范圍。但是，作為一種新興的研究方法，模糊支持向量機(jī)還有很多需要研究的內(nèi)容，本文主要從兩個(gè)方面對(duì)模糊支持向量機(jī)進(jìn)行研究。
　　第一部分主要研究模糊支持向量機(jī)中隸屬度

2、確定的方法，通過(guò)分析基于緊密度的模糊支持向量機(jī)方法中存在的問(wèn)題，確定了這一部分需要研究的內(nèi)容。針對(duì)支持向量數(shù)據(jù)描述方法對(duì)野值敏感，最小超球的球心可能出現(xiàn)較大偏差的問(wèn)題，本文預(yù)先剔除樣本中可能的野值，對(duì)最小超球進(jìn)行了修正。針對(duì)基于緊密度的模糊支持向量機(jī)在確定隸屬度時(shí)，缺乏考慮其它類(lèi)對(duì)隸屬度影響的問(wèn)題，本文分析了隸屬度的含義，提出了一種更加可信的隸屬度確定方法。
　　第二部分主要研究模糊支持向量機(jī)中樣本選擇的方法。針對(duì)模糊支持向量機(jī)樣

3、本選擇困難，選樣率高的問(wèn)題，本文利用陰影集對(duì)模糊集的分析能力，提出陰影集映射應(yīng)該保持集合的模糊性不變，并將原模糊集合劃分為可信任數(shù)據(jù)集合、不可信任數(shù)據(jù)集合以及不確定數(shù)據(jù)集合。在可信任數(shù)據(jù)集合和不確定數(shù)據(jù)分別采用核子空間樣本選擇以及邊界向量提取的方法進(jìn)行選樣，繼而得到基于陰影集的樣本選擇方法。
　　最后，本文分別利用仿真數(shù)據(jù)集以及標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中的數(shù)據(jù)集對(duì)以上兩種方法進(jìn)行實(shí)驗(yàn)：利用二維近似可分的仿真數(shù)據(jù)集給出直觀(guān)的實(shí)驗(yàn)結(jié)果，對(duì)方法進(jìn)行詳

4、細(xì)分析；利用標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中的數(shù)據(jù)集給出非線(xiàn)性可分情況下方法的實(shí)驗(yàn)結(jié)果。其中，隸屬度確定方法的驗(yàn)證部分，實(shí)驗(yàn)表明去野值支持向量數(shù)據(jù)描述方法可以較為有效的修正最小超球的位置，可信的基于緊密度的隸屬度確定方法較一般的基于緊密度的隸屬度確定方法，對(duì)應(yīng)的模糊支持向量機(jī)具有更好的分類(lèi)性能和抗噪能力。樣本選擇方法的驗(yàn)證部分，實(shí)驗(yàn)表明基于陰影集的樣本選擇方法的選樣率較低，并且，可以保持模糊支持向量機(jī)的泛化能力。由于該方法去除了樣本中的不可信任數(shù)據(jù)，當(dāng)訓(xùn)練