內容簡介
模糊數學是處理模糊信息的有力工具。模糊聚類 分析、模糊模式識別是模糊數學中處理模糊分類問題 的有效方法,但模糊模式識別方法與含有模糊信息的 支持向量機方法二者的已知條件和所解決的問題都是 不一樣的。因此不能簡單地用模糊模式識別方法解決 含有模糊信息的支持向量機所要解決的問題。特別是 ,由於現實問題的復雜性,人們還需要在實際應用的 求解過程中對現有支持向量機進行不斷完善,*多的 智能化數據分析(預測)還需要多類算法的組合應用, 企望達到*好的應用效果。王愛民、葛彥強、周宏宇 *的《基於模糊信息的應用技術研究》研究主要從訓 練集中含有模糊信息的支持向量機分類算法和具有復 雜信息的數據挖掘算法兩個方面展開。研究成果在實 際問題中得到了應用。
本書在理論上的研究主要是:闡述了數據挖掘的 研究現狀,闡述了支持向量機分類和回歸算法,並且 分析了支持向量機的理論基礎——統計學習理論。引 入模糊繫數規劃的模型和解法,給出了分類問題中的 模糊信息表示方法。將模糊分類問題轉化為求解模糊 繫數規劃問題。分別建立了Fuzzy線性可分問題、 Fuzzy廣義線性可分問題和Fuzzy非線性問題的支持向 量分類機(算法)。
本書在理論上的研究主要是:闡述了數據挖掘的 研究現狀,闡述了支持向量機分類和回歸算法,並且 分析了支持向量機的理論基礎——統計學習理論。引 入模糊繫數規劃的模型和解法,給出了分類問題中的 模糊信息表示方法。將模糊分類問題轉化為求解模糊 繫數規劃問題。分別建立了Fuzzy線性可分問題、 Fuzzy廣義線性可分問題和Fuzzy非線性問題的支持向 量分類機(算法)。