本文選題：模糊支持向量機 + 模糊數(shù)　； 參考：《計算機工程與應用》2017年20期

【摘要】：支持向量機所處理的數(shù)據(jù)絕大多數(shù)是精確值,但當訓練樣本中含有模糊信息時,支持向量機將無能為力�；诖�,針對輸入數(shù)據(jù)是模糊數(shù)的分類問題,提出一種帶有去模糊函數(shù)的模糊支持向量機(FSVM~*)。該算法采用模糊數(shù)間的距離作為模糊數(shù)去模糊的度量,從而構造去模糊函數(shù)將模糊值轉化為精確值,同時將去模糊函數(shù)與模糊支持向量機相結合完成模糊數(shù)據(jù)的分類。數(shù)值結果表明:相比Forghani提出的FSVDD~*算法,該算法更有效。
[Abstract]:Most of the data processed by SVM are accurate, but when the training sample contains fuzzy information, SVM will be powerless. In view of the problem that the input data is fuzzy number, a fuzzy support vector machine (FSVM) with deblurring function is proposed. In this algorithm, the distance between fuzzy numbers is used as the measure of fuzzy number de-fuzziness, and the fuzzy function is constructed to convert the fuzzy value into the exact value. At the same time, the fuzzy data classification is realized by combining the de-fuzzy function with the fuzzy support vector machine. The numerical results show that this algorithm is more effective than the FSVDDN * algorithm proposed by Forghani.
【作者單位】： 北方民族大學數(shù)學與信息科學學院;
【基金】：國家自然科學基金(No.61261043) 北方民族大學研究生創(chuàng)新項目(校研究生發(fā)[2014]6號)
【分類號】：O159;TP18

【相似文獻】

相關期刊論文 前10條

1 閆華;孫德山;;去邊緣模糊支持向量機[J];計算機工程與應用;2009年26期

2 郭強;陳兵;馬長征;路向陽;劉洲峰;;復雜脈沖包絡信號模糊函數(shù)的建立[J];中原工學院學報;2013年05期

3 馬明,范鷹;模糊函數(shù)空間的若干注記(英文)[J];哈爾濱工業(yè)大學學報;1993年05期

4 陳U，

本文編號：1980906