基于直觉模糊集的GSVM模型研究
模糊集是美国计算机和自动控制理论专家Zadeh教授于1965年提出的，是一种处理不确定性知识的数学工具，能较好地分析和处理不精确、不协调和不完备信息，在知识获取、专家系统、机器学习、粒度计算、智能控制等领域得到了广泛的应用、取得了丰硕的研究成果。直觉模糊集是Atanassov教授于1986年提出的，是对Zadeh模糊集进行了有效的扩展，在模糊集上增加一个非隶属函数，从而更加细致和客观地描述客观世界存在的模糊现象，能够较好地反映了客观世界的模糊性本质，因而引起了许多学者的关注。直觉模糊集在机器学习、决策和分类等研究中起关键作用，是重要的理论基础。所以有必要对直觉模糊集在机器学习中理论进行深入研究。 支持向量机是Corinna Cortes和Vapnik等于1995年提出的，用于解决机器学习问题中的分类问题和回归问题。由于支持向量机算法具有基础理论完备、全局寻优能力、训练时间短以及泛化性能强的特点，从而成为一种普遍接受和研究机器学习方法。粒计算是美国学者Lin于1997年提出的用于处理不精确的、不确定问题的方法。粒计算理论的基本思想是在问题求解中使用粒子，构建信息粒，将一类对象划分为一系列粒，把一些个体通过不分明关系、相似关系、邻近关系或功能关系等形成的多个块，从而进行粒化操作，针对信息和知识细化来进行的不同层次的度量。 所以本文在直觉模糊集、粒计算和支持向量机的理论基础上，对基于直觉模糊集的GSVM模型进行了研究。其创新点如下: (1)回顾直觉模糊集的基本理论，讨论了直觉模糊集的性质，定义了一种新的区间值直觉模糊集的精确函数，用例子说明，并将其应用到决策和分类问题中; (2)在直觉模糊集的理论基础上，结合粒计算理论，提出了两种基于直觉模糊集的GSVM模型（Ⅰ和Ⅱ），并对这两种模型进行了研究，给出了它们的算法及其步骤，用实例对它们进行仿真实验，来验证算法的有效性。 该研究为直觉模糊集理论提供了一种新的决策方法、为支持向量机提供了新的分类方法。该研究具有重要的理论价值，为不确定信息系统下的分类与决策提供了新的研究思路。
不确定信息系统;直觉模糊集;GSVM模型;粒计算理论;支持向量机
河南师范大学
硕士
计算机技术
毛文涛
2015
中文
O159
72
2015-12-29（万方平台首次上网日期，不代表论文的发表时间）