论文部分内容阅读
模糊支持向量机能有效地解决模糊环境下的分类问题，它是支持向量机的一种拓广。然而，它难以处理客观世界中大量存在的Ⅱ-型模糊环境下的分类问题。Ⅱ-型模糊集理论作为模糊集理论的一种推广，更能准确描述客观事物的模糊性。基于此，本文讨论了基于Ⅱ-型模糊样本的支持向量机，将支持向量机所处理数据由实样本拓广到Ⅱ-型模糊样本。为了解决上述问题，本文采用均值简约方法将Ⅱ-型模糊样本转化为模糊样本，在可能性理论的基础上，引入模糊事件的广义可信性概念，给出基于Ⅱ-型模糊样本的强模糊线性可分的定义，分别建立输入、输出为Ⅱ-型模糊样本的支持向量机。应用实例验证了基于Ⅱ-型模糊样本的支持向量机的有效性。