【摘 要】
：
支持向量机在处理概率空间上的实随机变量的大量分类问题中体现了许多优势,然而它难以处理现实生活中客观存在的非概率空间上的非实随机变量的分类问题。基于此,本文提出了一
论文部分内容阅读
支持向量机在处理概率空间上的实随机变量的大量分类问题中体现了许多优势,然而它难以处理现实生活中客观存在的非概率空间上的非实随机变量的分类问题。基于此,本文提出了一种基于非实随机变量——不确定变量的支持向量机。采取专家实验的方法采集数据,根据采集到的专家实验数据(不确定变量)确定经验成员函数,用经验成员函数取值取代模糊支持向量机中基于空间位置确定的隶属度训练基于不确定数据的支持向量机。同时,为了处理非均衡的不确定数据,结合模糊C均值聚类算法提出了一种基于非均衡不确定数据的支持向量机。实验表明,本文提出的基于不确定数据的支持向量机和非均衡不确定数据支持向量机在处理不确定数据的分类问题上表现了优异的性能。
其他文献
随着计算机、互联网、通信以及定位技术的快速发展，科学计算、社会生活及工业生产不断产生出各类复杂数据。这些数据在形态上具有海量、高维、多源、异构、不确定/不完整等特
随着计算机图形处理能力和互联网技术的飞速提高,三维模型的获取和处理愈加方便,三维模型的应用变得越来越广泛。在三维模型处理领域,基于形状的三维模型检索技术和三维模型
近些年来，我国水产养殖业取得了迅速发展，但因为相配套于水产养殖业生产的服务措施相对比较落后，特别在水产养殖动物病害诊断、预防及治疗方面总体上还处于较低水平，水产养殖动物
本文的研究领域涉及计算机图形学、计算科学以及并行计算技术，针对图形学研究领域的一个关键技术——真实感光照渲染理论，引入多尺度配置计算方法，研究并提出基于正交递归二分法
传统的模糊支持向量机中的隶属度是由样本点到类别几何中心的距离来确定的，在较大程度上消除噪声点或孤立点的同时也削弱了类边缘支持向量对分类超平面的影响。直觉模糊支持向
当人们使用搜索引擎在互联网中检索信息时，查询词中会出现拼写错误，这严重阻碍了人们获得其所需信息。这些拼写错误可分为两类：打字错误和认知错误。其中，认知错误是指人们知道某
虽然IPv4对Internet的发展做出了巨大的贡献,并在四十多年的应用中证明了它的健壮性,但是随着Internet迅猛发展,网络规模爆炸式的扩张,IP地址空间严重不足,网络性能变差,路由
神经网络是机器学习中最重要的模型之一,它基于无次序、无规则的样本数据集,试图从中提取出描述此样本数据集特征的数学模型。其中,BP神经网络因其结构简单、算法易于实现且
目前，XML文档数据得到越来越多的应用，尤其是在Web应用中。随着XML基准的不断改进以及XML文档应用数量和规模的日益增大，在这些应用的测试中对XML文档数据的需求，无论是数量上，还
网络的发展如今已广泛应用在各个领域中，针对于高等院校的素质教育，教学改革和考试改革势在必行，应用WEB技术的在线考试则成为当前众多学校改革的发展方向。因此，专业系统软件应