一种基于支持向量机的模糊分类器

提出了一种基于支持向量机学习的模糊分类器(FCBSVM).介绍了FCBSVM的基本思想及其结构,分析了隶属函数参数和惩罚参数C对分类规则的产生以及分类性能的影响,并提出了参数确定方法.构建这种分类器时,先选用适当的隶属函数,构造核函数.然后,以训练模式作为中心,进行模糊划分,对每个模糊划分建立一条模糊IF-THEN分类规则.最后,利用支持向量机学习方法,求出支持向量和规则的参数.这种分类器将支持向量机和模糊集合理论的优点结合起来,实现了模糊划分和模糊分类规则的自动产生.用双螺旋线数据和典型的数据集对分类器的性能进行了实验评测,验证了分类器的有效性.     

基于模糊积分的纠错输出解码研究

针对基于纠错输出编码的多类分类中解码策略的选择问题,提出一种基于模糊积分的解码方法.将每个基分类器看作一个证据源,其概率输出提供了测试样本所属类别的可能性;同时基于基分类器信任度和混淆矩阵对模糊密度的赋值进行了改进;最后求取最大的模糊积分值所对应的类别为分类输出.基于UCI数据集和经典解码方法的比较实验验证了本文所提方法作为二符号解码策略的可行性和有效性.     

基于半模糊核聚类的模糊超球支持向量机多类分类方法

针对支持向量机(SVM)在大类别模式分类中存在的问题,提出了一种基于半模糊核聚类的超球SVM分类方法.该方法基于半模糊核聚类生成模糊类,利用模糊类提供的边缘样本信息,利用超球SVM进行多类分类,从而有效提高分类器的性能.实验表明,该方法比传统方法具有更高的速度和精度.     

基于数据域描述的模糊临近支持向量机算法

针对传统支持向量机由于样本中存在孤立点或噪声而导致的过学习问题,通过分析模糊支持向量机和临近支持向量机的特点,借鉴它们的优点:模糊隶属度和临近超平面,提出了一种数据处理方法。该方法考虑了样本点到类中心的距离与样本对分类的贡献率的关系。这种改进使分类更为清晰和准确。结果表明:采用新的模糊隶属度模糊临近支持向量机算法有较高的识别率,但也耗费了较多的训练时间。     

一种新隶属度函数的模糊支持向量机

传统的模糊支持向量机隶属度函数都是基于样本与类中心距离进行设计,这对非球形分布数据很不合理.使用类内超平面代替类中心,提出基于样本到超平面距离的新隶属度函数设计方法.该方法克服传统方法的不足,降低隶属度函数对样本集几何形状的依赖,提高模糊支持向量机的泛化能力.数值实验表明,与支持向量机和三种不同隶属度函数的模糊支持向量机相比,新隶属度函数的模糊支持向量机达到最好的分类效果,而且新隶属度方法的简单易行,计算时间少.     

基于Markov blanket和互信息的集成特征选择算法

针对大量无关和冗余特征的存在可能降低分类器性能的问题,提出一种基于近似Markov blanket和动态互信息的特征选择算法并将其应用于集成学习,进而得到一种集成特征选择算法。该集成特征选择算法运用Bagging方法结合提出的特征选择方法生成基分类器,并引入基分类器差异度进行选择性集成,最后用加权投票法融合所选基分类器的识别结果。通过仿真实验验证算法的有效性,以支持向量机(support vector machine, SVM)为分类器,在公共数据集UCI上进行试验,并与单SVM及经典的Bagging集成算法和特征Bagging集成算法进行对比。实验结果显示,该方法可获得较高的分类精度。     

基于模糊C-均值聚类与支持向量机的PMV指标预测系统

为了更好地预测室内热舒适度PMV指标,在分析模糊C-均值聚类方法与支持向量机方法的优势和互补性后,探讨了二者的结合方法,提出了一种基于模糊C-均值聚类预处理的支持向量机PMV指标预测系统.该方法把复杂的数据集看作多个群体的混合,每个群体采用单一的回归模型进行描述,使得大规模数据集的回归估计问题变成了一个多模型估计问题.将该系统应用于PMV指标预测中,与标准支持向量机方法相比, 得到了较高的预测精度,从而说明了基于模糊C-均值聚类方法作为信息预处理的支持向量机学习系统的优越性.     

支持向量机的新分类器算法研究

提出了基于支持向量机(SVM)和决策树(DT)的几种新分类器算法.首先对支持向量机和模糊支持向量机(FSVM)处理多类分类问题的传统算法进行介绍,然后在DT-FSVM和最近邻分类器的基础之上,提出基于样本区域分析(SRA)的混合分类器算法(SRA-DT-FSVM),该算法中样本区域分析的概念被提出.在线性鉴别分析(LDA)的人脸特征空间中,分别对算法FSVM,DT-FSVM,SRA-DT-FSVM以及Binary-DT-SVM进行了全面的性能比较.通过在ORL人脸库上的实验结果表明,提出的新方法是有效的.此外,基于DT的SVM的分类速度获得了较大提高.     

一类快速模糊支持向量机

由H.P.Huang、C.F.Lin等人和T.Inoue,S.Abe等人提出的两类模糊支持向量机是两种类型的改进支持向量机,分别克服了过学习问题和减少了多类问题分类时存在的不可分区域。如何处理异常数据和加速训练大规模数据集是支持向量机中的急需解决的两个问题。针对这两个问题,提出了一类将两类模糊支持向量机集成的快速模糊支持向量机。训练时,根据每类数据与其类中心的距离,定义隶属函数,以加大对容易被错分样本的惩罚,利用合适的参数λ选取了每类数据中隶属度值较大的边缘数据构造模糊支持向量机,测试时,利用1-a-1和模糊支持向量机的决策函数判定未知样本的类别。含有异常数据的两类问题和机器学习数据集中手写数字识别的多类问题的实验结果,验证了提出的快速模糊支持向量机减少了训练时间同时提高了学习机的推广能力。     

模糊近似支持向量机模型及其在信用风险评估中的应用

支持向量机是近些年兴起的人工智能方法,并在信用风险分析领域得到了广泛应用.为了有效地减小在实证研究中样本的奇异点和噪声对模型的干扰, 在近似支持向量机的基础上, 引入模糊隶属度的思想,提出了模糊近似支持向量机, 使之不仅能保留近似支持向量机原有的优点,同时也可以减小奇异点和噪声对模型的干扰,从而进一步提高了分类判别能力. 为验证模糊近似支持向量机的效果, 利用两个公开的信用数据集进行实证研究. 实证研究结果表明:与其它模型相比,所提出的模糊近似支持向量机能够显著地提高信用风险分类精度,具有较高的实用价值.     

模糊网络中K度工序分析

提出模糊网络中Ｋ度工序的概念，为分析Ｋ度工序的判别问题，给出了一般工序的若干性质．并结合分析Ｋ度工序的需要，讨论了模糊数的序关系．接着基于工序性质和模糊数序关系，提出了Ｋ度工序的判别方法．最后给出了计算示列     

基于Einstein算子的证据冲突度量方法

为了有效度量融合证据之间的冲突,在分析冲突因子和典型证据冲突度量方法不足的基础上,提出了一种基于Einstein算子的证据冲突度量方法。首先,利用证据向量度量思想给出证据之间的差异度矩阵,并定义对数形式的差异因子;然后,引入模糊集相似关系定义证据之间的相关系数;最后,综合考虑证据之间的差异性和相关性,利用Einstein算子定义一种新的证据冲突度量因子。仿真实验结果表明:该方法不但可以有效度量证据之间的冲突程度,而且对冲突证据的融合具有良好的收敛性。     

基于模糊证据推理的系统风险分析与评价

针对系统风险分析与评价中面临的模糊不确定风险信息建模问题,以及风险因素信息融合问题,在模糊集理论与证据理论研究的基础上,采用模糊证据推理技术, 提出了基于模糊证据推理的系统风险分析与评价方法的具体算法与处理操作流程.首先通过故障模式及影响分析进行风险识别,采用模糊信度结构模型建立风险不确定性的统一描述框架, 然后通过数据预处理算法、模糊证据推理信息融合算法以及模糊风险排序方法完成风险评价结果计算; 文末以某航天发射场火箭推进剂加注系统风险分析为例,验证了方法的可行性与有效性.该方法定量化分析系统部件的风险程度,为后续风险应对措施的制定提供辅助决策支持.     

模糊认知图与证据理论融合的质量控制决策模型

针对制造过程的质量问题层出不穷而企业常常疲于救火式管理、难以从根本上解决质量问题的现状,结合模糊认知图理论和证据理论,提出一种包含反应式、预防式、预报式和先行式等四种典型的质量控制模式的决策模型.论文首先分析这四种典型的质量控制模式及其决策因素;接着,讨论基于模糊认知图的质量控制决策模型及实施步骤,该模型立足于综合考虑质量问题属性、成本、功能符合性以及组织支持因素等维度,构建基于模糊认知图的决策网络.针对决策网络中多个专家所建立模糊认知图的合成问题,结合证据理论,以专家知识作为证据,节点间的因果强度的可能取值空间构成识别框架,对多个专家知识进行合成.最后,以某轴承企业深沟球轴承沟形误差超标的质量问题为例验证了该方法的可行性.     

基于支持度的改进证据合成方法

针对Dempster方法在合成高度冲突的证据时结果与直观结论相悖的问题,提出了一种基于支持度的改进证据合成方法。首先根据证据之间的相似性程度判断是否存在证据冲突,对于总数在3条以上且存在冲突的证据组合,应用各证据的支持矩阵,通过其最大特征值对应的特征向量导出各证据的支持度系数,由此对基本概率分配（basic probability assignation, BPA）函数进行转化,再采用Dempster方法进行合成。仿真计算结果表明,该方法能有效处理冲突证据组合,克服了一票否决问题,相对于其它几种典型改进算法具有更快的识别速度,能进一步减小识别结果的不确定性,并保留了Dempster方法满足交换律、结合律的良好特性。     

Dual membership SVM method based on spectral clustering

A new fuzzy support vector machine algorithm with dual membership values based on spectral clustering method is proposed to overcome the shortcoming of the normal support vector machine algorithm,which divides the training datasets into two absolutely exclusive classes in the binary classification,ignoring the possibility of "overlapping" region between the two training classes.The proposed method handles sample "overlap" efficiently with spectral clustering,overcoming the disadvantages of over-fitting well,and improving the data mining efficiency greatly.Simulation provides clear evidences to the new method.     

一种模糊评价方法及其在菜区水质评价中的应用

菜区灌溉水水质评价是蔬菜源头安全评估的基础支持技术。基于有限样本和模糊评语隶属度提出一种模糊评价方法，并将其应用到菜区水质评价中。应用结果表明，该方法能正确合理地评价水质的总体状况，具有实际应用价值。表2，参7。     

不确定性矩阵对策解的确定

本文研究了五个问题：１．具有精确策略和模糊值对策矩阵的对策解的确定；２．具有模糊策略和经典对策矩阵的对策解的确定；３．具有模糊策略和函数值对策矩阵对策解的确定；４．具有模糊随机策略和经典对策矩阵对策解的确定；５．具有模糊随机策略和函数值对策矩阵对策解的确定。     

空防对抗中战场态势综合评估的一种新方法

以防空作战实际需要为出发点,从作战指挥的角度对战场态势评估问题进行了深入研究。首先给出了战场态势的一种全新定义,提出了空袭态势和防空态势的概念,将影响态势的因素分为两类,一类为静态因素,一类为动态因素。详细给出了影响空袭态势和防空态势的静态因素、动态因素指标体系,并提出了确定因子表征值的一种新方法,它将因子表征值与因子属性值相区分,定义表征值是属性值对模糊概念的隶属度。在此基础上建立了基于模糊概念层次分解的战场态势综合评估模型。该成果已被用于指挥自动化系统中,为指挥员掌握战场全局以及战役进程提供很好的支持。     

双枝模糊集模糊性度量

利用双枝模糊集概念,提出了双枝模糊集、上枝模糊集、下枝模糊集的模糊度概念。通过双枝模糊集模糊度的理论定义,给出了有限论域上双枝模糊集、上枝模糊集、下枝模糊集模糊度的构造性定理,利用这些定理进一步给出了双枝模糊集、上枝模糊集、下枝模糊集模糊度的几种具体计算公式。通过讨论得出单枝模糊集的模糊度是双枝模糊集模糊度的特例。