论文部分内容阅读
支持向量机是建立在统计学习理论基础之上的一种机器学习方法,它能有效的处理小样本,非线性等学习问题。经典的支持向量机是建立在概率空间上基于实随机样本的,因此,它难以处理非概率空间上基于非实随机样本的学习问题。梯形模糊数样本是一类非随机样本,本文将讨论基于梯形模糊数样本的支持向量机。首先将模糊机会约束规划的相关知识与经典的支持向量机的思想相结合,给出了模糊样本强模糊线性可分的定义,建立输入数据为梯形模糊数的支持向量机,并通过混合智能算法求解其清晰等价式,最后得到最优解。实验表明,该算法有较高的分类精度。进而给出训练数据为拟线性模糊数的支持向量机及算法,以及输出数据为梯形模糊数的支持向量机及算法。