模糊支持向量机.pdfVIP

模糊支持向量机 确定模糊隶属度，这样确定的隶属度，即考虑到样本到类中心的距离，又考虑 到样本属于该类程度的大小，从而提高分类效果，可大大减小噪声或野点对分 类的影响。 1．3论文结构 第一章简要概述了支持向量机的原理，介绍了其发展及现状，指出支持向 量机目前存在的不足，本文正是在这种研究背景下阐述模糊支持向量机并指出 本文所做的主要工作。 第二章从支持向量机的机器学习、学习过程一致性的条件及最优化理论等 定义和定理出发，介绍了统计学习理论，为后面知识的学习奠定基础。 第三章从支持向量机分类角度着手，就其分类的几种情况详细介绍了支持 向量机理论。 第四章提出一种采用线性规划的一类分类算法确定模糊支持向量机隶属 变，并从其理论以及通过标准数据实验来说明此种方法的可行性。 第五章是对全文的总结与展望。 3 模糊支持向量机 2统计学习理论 2．1 机器学习的基本知识 人工智能专家Simon曾经说过：“如果一个系统能够通过执行某种过程而 改进它的性能，这就是学习。’’人们把从过去的数据和知识中学习并获取规律