基于动态核函数的模糊支持向量机

针对传统的支持向量机(SVM)对训练样本中的噪声和野值特别敏感而导致的过学习问题,文中提出了一种新的基于动态核函数的模糊支持向量机(FSVM).该方法不仅考虑了样本点到类中心的距离,而且还考虑了样本间的密切度,结合这两种思想在特征空间中构造了一种新的基于动态核函数的模糊隶属度.仿真实验表明,该方法有较好的分类精度和推广能力并且在理论上具有一般性和能够有效地减弱野值的影响.     

改进的双隶属度模糊支持向量机

针对传统的支持向量机( SVM)中存在对噪声和孤立点敏感,容易产生过拟合的问题,提出一种新的模糊隶属度函数设计方法——基于密度法的双隶属度模糊支持向量机方法(DM-FSVM).该方法不仅考虑样本到类中心的距离,同时根据样本点到类中心的距离将样本分为两类,类中心附近样本点的隶属度由该样本点到类中心的距离确定,而对于远离类...     

基于改进FSVM的数据挖掘分类算法

针对模糊支持向量机(FSVM)应用于数据挖掘分类中存在对大样本集训练速度慢以及对噪声点敏感影响分类正确率的问题,提出一种基于改进FSVM的数据挖掘分类算法.该算法首先预选有效的候选支持向量,减小训练样本数目,提高训练速度;其次定义一种新的隶属度函数,增强支持向量对构建模糊支持向量机的作用;最后将近邻样本密度应用于隶属度函数设计,降低噪声点或野值点对分类的影响提高分类正确率.实验结果表明,该算法在训练样本数目较大时训练速度和分类正确率都有提高.     

一种改进的数据挖掘模糊支持向量机分类算法

针对模糊支持向量机(FSVM)应用于数据挖掘分类中存在对大样本集训练速度及分类速度慢的缺点,提出一种改进的数据挖掘模糊支持向量机分类算法.该算法首先预选有效的候选支持向量缩减训练样本集的规模提高训练速度;其次提出一种新的模糊隶属度函数,增强支持向量对构建模糊支持向量机最优分类超平面的作用,并用经过预选的训练样本集进行训练FSVM得到支持向量集;最后,运用粒子群优化算法选择最优支持向量子集,使用平均分类误差作为适应度函数,最终粒子输出时,将样本隶属度与设定阈值相比较,选择出支持向量集中相对较大隶属度的样本作为新的支持向量,提高分类速度.实验结果表明,该算法在不损失分类精度的情况下,提高了模糊支持向量机的训练速度和分类速度.     

后验概率加权的模糊隶属度函数

模糊支持向量机(FSVM)中的模糊隶属度函数确定一直是一个难点问题。针对支持向量分类机对噪声数据或孤立点非常敏感的问题,受贝叶斯决策理论的启发,结合样本密度特性,研究样本点相对于同类和异类的关系,对各样本点分布的紧密程度给出了描述,构造了样本点的后验概率与样本密度的加权方法,提出了一种新的加权模糊隶属度函数构造。该方法避免了对噪声数据和孤立点的检测。通过建立基于提出模糊隶属函数的FSVM进行仿真,实验表明,提出的模糊隶属度函数构造的后验概率加权方法的有效性。     

模糊支持向量机在肺结节良恶性分类中的应用

针对传统支持向量机(SVM)对图像中含有的噪声或野值样本的不敏感性问题,提出了一种基于双向隶属度的模糊支持向量机(FSVM)的方法。该方法通过计算样本类中样本与其所属类别和另一类别的中心点之间的距离,得出样本对每一类的隶属度,通过对样本隶属度的分析实现对样本点的分类。将该方法应用于对肺结节良恶性分类试验中,其参数反演结果表明,即使在噪声存在的情况下该方法也能得到较好的分类结果,而且克服了传统方法过拟合的缺点,从而也验证了该方法较强的抗噪能力和较好的分类能力。     

基于多区域划分的模糊支持向量机方法

针对模糊支持向量机(FSVM)方法无法有效定位支持向量,在确定隶属度时易丢失分类信息的问题,提出一种基于多区域划分的FSVM方法。该方法先利用传统SVM获取支持向量的大体位置,作为对FSVM支持向量的近似估计,再进一步融合带负类样本的支持向量域描述(SVDD-neg)模型,对样本空间进行划分,最后根据样本所在的区域按不同的规律确定隶属度。研究结果表明:这种隶属度确定方式不仅能有效削弱野值样本的影响,而且也会提高支持向量的隶属度。与基于样本紧密度以及基于样本到类内超平面距离的FSVM方法相比,该方法具有更好的抗噪性能和泛化能力。     

基于类中心和密切度的L-2范数FSVM

支持向量机(SVM)是解决回归问题的一种有效的方法,但传统的支持向量机对样本中的噪声和孤立点非常敏感.为了克服这个问题,文中提出了一种基于类中心和密切度的L-2范数模糊支持向量机(L-2范数FSVM),即模糊隶属度的建立不仅根据样本到类中心的距离,而且根据样本点和其目标点之间的密切度.仿真实验结果显示了该方法有效地减少了噪声的影响,改进了回归的精度,增强了推广能力.     

直觉模糊支持向量机

传统的模糊支持向量机难以区分具有相同隶属度的稀疏样本点和稠密样本点,进而可能降低分类精度.为了解决此类问题,利用直觉模糊集和模糊支持向量机,构建了直觉模糊支持向量机.仿真实验结果表明:与传统的支持向量机和模糊支持向量机相比,直觉模糊支持向量机的分类结果更精确.     

模糊支持向量机中隶属度确定的新方法

针对目前模糊支持向量机方法中,一般使用样本与类中心之间的距离关系构建隶属度函数的不足,提出一种改进的隶属度确定方法.该方法不仅考虑样本与类中心之间的关系,还考虑样本之间的关系根据样本的类中心与传统支持向量机构造的分类面构建2个超球,由样本点与超球的位置关系计算其隶属度,能够有效地区分样本点、噪音点以及孤立点.通过文本分类实验表明,与其他两种隶属度函数方法相比,基于双超球的模糊支持向量机方法可以更有效地将文本训练集中的噪音剔除,具有较好的分类性能.     

模糊模及其同态

利用模糊空间理论定义模糊模及其子模，并初步研究了模糊模同态．     

Fuzzy数的Fuzzy运算

Ｆｕｚｚｙ数的Ｆｕｚｚｙ运算李法朝，仇计清，苏连青（河北轻化工学院基础课部石家庄０５００１８）摘要首先给出了区间数的取大、取小运算，进而利用分解定理建立了Ｆｕｚｚｙ数的Ｆｕｚｚｙ运算，讨论了这种运算规则的基本性质。关键词区间数；Ｆｕｚｚｙ数；Ｆｕｚｚ...     

Fuzzy数Fuzzy测度

1986年,张文修教授首次于文献[1]中引入了Fuzzy数测度的概念,并且研究了它与经典集值测度的关系。张广全先生曾利用自己引入的Fuzzy数Fuzzy距离,在文献[2～3]中给出了Fuzzy数值Fuzzy测度的概念,并以此为基础建立了一套完整的测度和积分理论,本文将利用Ralessu^[4]引入的Fuzzy数之间的距离,来重新定义Fuzzy数Fuzzy测度,同时提出区间数Fuzzy测度的概念,类似于文献[1]。我们将讨论区间数Fuzzy测度与Fuzzy数Fuzzy测度之间的关系。     

Fuzzy映射的Fuzzy积分

本文进一步定义了Ｆｕｚｚｙ映射的Ｆｕｚｚｙ积分，同时给出了该积分的各种性质和收敛定理，其中包括Ｆａｔｏｕ引理和Ｌｅｂｅｓｇｕｅ收敛定理。     

模糊群的模糊同构

利用一种新的模糊算子与模糊同态基本定理，进一步讨论了模糊群的模糊同构，建立了三个模糊同构定理，进一步刻化了带有这种新的算子的模糊群的结构，得到了若干命题．     

fuzzy映射与fuzzy同态

利用ｆｕｚｚｙ关系引入ｆｕｚｚｙ相等概念,进而给出ｆｕｚｙ映射,并讨论了ｆｕｚｚｙ映射的合成性质．最后在环中引入并研究了ｆｕｚｙ同态,得到了ｆｕｚｙ同态下ｆｕｚｚｙ子环及ｆｕｚｚｙ理想的对应定理．     

Fuzzy数值Fuzzy测度与Fuzzy数值Fuzzy测度空间上的几个定理

本文在σ—代数上引入了Fuzzy数值Fuzzy测度以及Fuzzy数值Fuzzy测度的自连续性和伪自连续性等概念,并讨论了它们的一些性质,在Fuzzy数值Fuzzy测度空间上给出了‘几乎’和‘伪几乎’的概念,并证明了Fuzzy可测函数序列为Riesz定理、Lebeague定理和Egoroff定理。     

L-Fuzzy集合上的Fuzzy值函数关于Fuzzy值Fuzzy测度的Fuzzy值Fuzzy积分

文[3]在L-Fuzzy集合上引入了Fuzzy值Fuzzy测度与实值函数关于Fuzzy值,Fuzzy测度的Fuzzy值Fuzzy积分,并讨论了它们的性质,得到了一系列有意义的结果。本文在L-Fuzzy集合上引入Fuzzy值函数关于Fuzzy值Fuzzy测度的Fuzzy值Fuzzy积分,给出上述概念的几个等价定义,讨论了这种积分的一些基本性质。     

具有模糊变量和模糊约束的模糊线性规划问题

提出一类具有模糊变量和模糊约束的模糊线性规划问题,给出了求解的算法步骤,得到了原问题的模糊最优解．     

Fuzzy群中的Fuzzy同余关系与正规Fuzzy子群

讨论了Ｆｕｚｚｙ群中Ｆｕｚｚｙ同余关系与正规Ｆｕｚｚｙ子群的联系，证明所有Ｆｕｚｚｙ同余关系所组成的格同构于所有正规拟子群所组成的格。还讨论了正规Ｆｕｚｚｙ子群直积的几个性质。