直覺模糊最小二乘支持向量機算法的研究.pdf

1、支持向量機是V.Vapnik所提出的一種通用的機器學(xué)習(xí)方法，在很多實際的分類和回歸問題中都有著廣泛的應(yīng)用。為了克服在分類問題中噪聲和野點對分類結(jié)果的影響，國內(nèi)外的學(xué)者基于模糊集的理論，先后提出了模糊支持向量機和模糊最小二乘支持向量機的算法.但由于模糊集的理論中的隸屬度只是一個實數(shù)，它只能反映支持、不支持和不確定三者之一的程度，這已經(jīng)不能反映實際的情況。因此，Atanassov在模糊集的基礎(chǔ)上提出了基于隸屬度、非隸屬度和不確定度這三個方面

2、信息的直覺模糊集。
　　 本文將直覺模糊集的相關(guān)理論引入到最小二乘支持向量機中，提出了直覺模糊最小二乘支持向量機的相關(guān)理論。首先，為了將訓(xùn)練集直覺模糊化，定義了樣本類內(nèi)徑、類外徑、樣本周圍同類點比例、異類點比例等指標(biāo)并推導(dǎo)出了兩類情況下每個樣本的隸屬度和直覺指數(shù)的相關(guān)計算公式.將隸屬度和直覺指數(shù)兩個指標(biāo)引入到最小二乘支持向量機的理論中，提出了直覺模糊最小二乘支持向量機。然后，分別在人工數(shù)據(jù)集和UCI標(biāo)準(zhǔn)數(shù)據(jù)集上進行仿真實驗，實驗