支持向量機及其在多屬性決策中的應用.pdf

1、在20世紀90年代中期，VladimirN．Vapnik及其研究小組在統(tǒng)計學習理論的基礎上提出了一種新的學習技術——支持向量機，它具有較為完備的理論基礎和較好的學習性能，成為繼神經網絡研究之后新的研究熱點并在實際問題中得到成功的應用． 目前統(tǒng)計學習理論正處于一個向實際應用推廣的階段，支持向量機需要進一步完善和改進，以滿足實際應用的需要，從支持向量機理論、方法和應用相結合的角度，本文選取支持向量機及其在多屬性決策中的應用加以研究，

2、主要工作如下： 首先，介紹了論文的背景知識，研究了支持向量機的理論，在此基礎上，針對樣本中存在異常點和噪聲點問題，研究了模糊支持向量機，并針對隸屬度設計問題，根據支持向量機超平面分類原理，提出了基于類平面的隸屬度設計方法，通過在人工數據和真實數據上進行數值實驗，表明該方法是可行而且有效的；然后研究了基于支持向量機的多屬性決策方法，針對區(qū)間數多屬性決策問題，采用區(qū)間數定量化的方法，將其轉化為一般多屬性決策問題，利用正負理想點及中點