最小二乘模糊支撑向量机研究

支撑向量机是以统计学习理论为基础,以结构风险最小化(Structure Risk Minimization,SRM)为原则的新型学习机,已经广泛地用于模式识别、回归估计、函数逼近、密度估计等方面。在对已有的分类问题的SVM算法的研究分析基础上,结合Lin和Wang提出的模糊支撑向量机模型和现有的最小二乘支撑向量机模型得出最小二乘模糊支撑向量机模型。

模糊支撑半径变量贝叶斯网络多态系统故障概率分析

针对现有隶属函数描述系统及部件故障状态的不足,构建了一种含模糊支撑半径变量的隶属函数来描述部件故障状态,提出了一种基于模糊支撑半径变量的贝叶斯网络多态系统故障概率计算方法.在隶属函数的构造中,用变量代替精确值描述隶属函数模糊支撑半径,建立了含模糊支撑半径变量的隶属函数;并将其引入贝叶斯网络,利用桶消元法对多态系统叶节点故障概率进行分析,得到叶节点故障概率变化曲线.将所提出的方法与文献中基于模糊支撑半径为定值的隶属函数贝叶斯网络方法相比较,验证了方法的有效性.最后,将该方法应用到数控机床主轴系统故障分析实例中,对叶节点故障概率进行计算.结果表明,该方法能够有效解决多态系统故障状态隶属函数选择中的主观性问题.

基于分类的模糊支撑向量机

基于分类的支撑向量机可以通过训练,找到2类训练点的分界面.一般2类点都是确定的,但是,在实际情况中,训练点不可能很确定的属于某一集合(具有模糊性),使得每个训练点包含的信息量也不同,传统的支撑向量机算法无法处理这类问题.给每个训练点定义了点模糊度概念,利用点模糊度来度量它包含的分类信息,由此确定点在训练中所占的权重,使包含不同信息量的训练点,在训练中起不同作用,从而得到了一种有效处理包含模糊训练点的算法.

模糊合作对策上的Banzhaf函数

通过对经典合作对策上Banzhaf函数的描述,给出了模糊合作对策上Banzhaf函数的定义.讨论了两类模糊合作对策上Banzhaf函数的存在性和唯一性,并给出了它们的具体表达形式.探讨了所给Banzhaf函数的模糊零元,个人理性,单调性,非负性.研究了模糊联盟与其模糊支撑关于Banzhaf函数之间的关系,最后通过算例来说明所给模糊合作对策上的Banzhaf指标.

基于FSVM的雷达多目标识别

重点分析了支撑矢量机多分类问题中存在的误分、拒分现象,针对雷达目标提出解决这一现象的模糊支撑矢量机。采用模糊支撑矢量机的分类机理对样本数据有限且残缺不全的高分辨一维雷达距离像进行多目标识别。实测数据(4种飞机雷达距离像)的多目标识别结果表明,模糊支撑矢量机与一般多类支撑矢量机相比在多目标识别时简单易行,而且在识别率上有显著的提高。

结合BRF神经网络的全极化SAR影像分类方法研究

为了解决模糊支持向量机(FSVM)算法应用于全极化SAR影像分类而产生的聚类中心陷入局部过适应问题,本文提出了一种基于模糊分割理论结合RBF神经网络的全极化SAR影像分类方法。主要利用模糊聚类分割、极化分解、纹理特征提取等,构建待分类地物特征集,并通过SGE进行监督降维,采用降维后的待分类地物极化表征完成RBF分类器训练,实现全极化SAR影像监督分类。最终通过C波段Randsat-2全极化SAR数据进行实测检验,结果表明,该方法使得分类结果区域一致性增强,充分地保存了待分类地物细节信息。

M-模糊化支撑集族

定义了M-模糊化支撑集族,研究了它的截集性质,得到S:2E→M是E上的M-模糊化支撑集族的充分必要条件是它的水平截集是相对应的支撑集族。

M-模糊化非支撑集族

定义了M-模糊化非支撑集族,研究了它的截集性质,得到Sc:2E→M是E上的M-模糊化非支撑集族的充分必要条件是它的水平截集是相对应的非支撑集族。

模糊Z_L-紧完备偏序集及扩张定理

本文引入了模糊Z_L-紧完备偏序集,模糊Z_L-紧偏序集和模糊Z_L-闭支撑的概念,给出了模糊Z_L-完备偏序集的等价刻画。在此基础上研究了模糊Z_L-紧集的扩张定理以及扩张映射的性质。