基于支持向量機(jī)的模糊規(guī)則提取算法的研究.pdf

1、本文圍繞專家系統(tǒng)知識(shí)獲取、知識(shí)獲取方法的集成和模糊規(guī)則庫(kù)管理和推理，研究了基于支持向量機(jī)(Support Vector MacVline，SVM)的模糊規(guī)則自動(dòng)獲取方法，并結(jié)合軟件組件模型、XML、軟件體系結(jié)構(gòu)等理論和方法，實(shí)現(xiàn)了基于組件的模糊推理系統(tǒng)。 支持向量機(jī)是上世紀(jì)九十年代提出的一種基于小樣本的新的統(tǒng)計(jì)學(xué)習(xí)方法。本論文通過(guò)引入基于SVM的多類分類方法來(lái)解決從數(shù)據(jù)庫(kù)中提取特征樣本的問(wèn)題，并證明了SVM與模糊規(guī)則模型在分類問(wèn)

2、題上的相似性，從而為本文提出的模糊規(guī)則自動(dòng)獲取方法奠定了堅(jiān)實(shí)的理論基礎(chǔ)。 模糊分類是模糊集合理論的一個(gè)重要應(yīng)用。模糊分類規(guī)則被廣泛認(rèn)為是分類知識(shí)較好的表示，與人類表達(dá)的知識(shí)類似，具有可讀性和解釋性。模糊分類在圖像處理、文字識(shí)別、語(yǔ)音識(shí)別、文本分類、遙感、氣象及工業(yè)自動(dòng)化控制等許多領(lǐng)域得到廣泛應(yīng)用。模糊劃分和模糊分類規(guī)則的自動(dòng)產(chǎn)生，分類規(guī)則的表達(dá)式，分類規(guī)則的調(diào)整及分類識(shí)別率的提高是模糊分類模型研究的關(guān)鍵問(wèn)題。論文中，提出了模糊集