论文部分内容阅读
统计学习理论的基本内容诞生于20世纪60年代~70年代,是由Vapnik等人提出,到90年代中期发展较成熟并受到世界机器学习界的广泛重视,现已被国内外相关领域学者认为是处理小样本学习问题的最佳理论。由于统计学习理论是基于概率和实随机样本的,该理论难以处理客观世界中大量存在的基于概率和非实随机不确定样本的学习问题,且难以讨论基于非概率和非随机不确定样本的学习问题,再加之基于概率和实随机样本的统计学习理论本身亦需进一步完善,因此,建立统一的基于概率和不确定样本(随机、随机集、不确定集、模糊、粗糙、复值和集值)