基于云模型的模糊支持向量機(jī)分類方法研究

ID:36689593

大?。?.14 MB

頁(yè)數(shù):74頁(yè)

時(shí)間:2019-05-13

基于云模型的模糊支持向量機(jī)分類方法研究_第1頁(yè)
基于云模型的模糊支持向量機(jī)分類方法研究_第2頁(yè)
基于云模型的模糊支持向量機(jī)分類方法研究_第3頁(yè)
基于云模型的模糊支持向量機(jī)分類方法研究_第4頁(yè)
基于云模型的模糊支持向量機(jī)分類方法研究_第5頁(yè)
資源描述:

《基于云模型的模糊支持向量機(jī)分類方法研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)

1、聲明本人鄭重聲明:所呈交的學(xué)位論文,是本人在指導(dǎo)教師的指導(dǎo)下,獨(dú)立進(jìn)行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外,本論文不包含其他個(gè)人或集體己經(jīng)發(fā)表或撰寫(xiě)過(guò)的科研成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體,均己在文中以明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。論文作者簽名:日期:如(>.蕊關(guān)于學(xué)位論文使用權(quán)的說(shuō)明本人完全了解太原理工大學(xué)有關(guān)保管、使用學(xué)位論文的規(guī)定,其中包括:①學(xué)校有權(quán)保管、并向有關(guān)部門(mén)送交學(xué)位論文的原件與復(fù)印件;②學(xué)??梢圆捎糜坝 ⒖s印或其它子復(fù)制手段復(fù)制并保存學(xué)位論文;③學(xué)??稍试S學(xué)位論文被查

2、閱或借閱;④學(xué)??梢詫W(xué)術(shù)交流為目的,復(fù)制贈(zèng)送和交換學(xué)位論文;⑤學(xué)??梢怨紝W(xué)位論文的全部或部分內(nèi)容(保密學(xué)位論文在解密后遵守此規(guī)定)。作者簽名:導(dǎo)師簽名:如乞J’日期:型夕夠強(qiáng)、嘮隰J

3、_?太原理工大學(xué)碩士研究生學(xué)位論文基于云模型的模糊支持向量機(jī)分類方法研究摘要在當(dāng)今信息化的時(shí)代,隨著網(wǎng)絡(luò)和計(jì)算機(jī)技術(shù)的迅猛發(fā)展,信息量呈爆炸式增長(zhǎng),為滿足人們的需求,避免海量數(shù)據(jù)處于一種無(wú)秩序的狀態(tài),對(duì)數(shù)據(jù)進(jìn)行分類就成為一種必不可少的重要手段。模糊支持向量機(jī)方法作為一種有效的分類方法,可以解決很多如人工神經(jīng)網(wǎng)絡(luò)、決策樹(shù)分類等傳統(tǒng)分類

4、方法中由于樣本非線性、過(guò)多依賴先驗(yàn)知識(shí)以及樣本量無(wú)窮大而導(dǎo)致的無(wú)法分類或者分類精度低等問(wèn)題。在模糊支持向量機(jī)分類方法中,隸屬度函數(shù)的確定是其最關(guān)鍵的研究對(duì)象。由于客觀世界中存在大量的不確定性,容易導(dǎo)致類別邊緣的樣本無(wú)法正確分類,因此,如何更好地表達(dá)客觀世界中事物和現(xiàn)象的不確定因素是目前自然科學(xué)領(lǐng)域研究的重點(diǎn)和熱點(diǎn)。而近些年發(fā)展快速的云模型理論正是這樣一種可以有效處理不確定性因素的專門(mén)針對(duì)定性的類別概念和定量的數(shù)據(jù)之間轉(zhuǎn)換的模型。針對(duì)以上問(wèn)題,本文利用云模型定性定量轉(zhuǎn)換的獨(dú)特原理以及模糊支持向量機(jī)非線性、抗噪能力等優(yōu)

5、點(diǎn),將云模型與模糊支持向量機(jī)相結(jié)合,對(duì)模糊支持向量機(jī)的隸屬度函數(shù)進(jìn)行改進(jìn)。由于遙感影像數(shù)據(jù)具有邊界模糊性以及解譯過(guò)程不確定性的特點(diǎn),本文以遙感影像為實(shí)驗(yàn)數(shù)據(jù),通過(guò)在遙感數(shù)據(jù)集中進(jìn)行分類來(lái)驗(yàn)證改進(jìn)算法的有效性并以此提高對(duì)遙感影像的分類精度。論文主要內(nèi)容如下:(1)對(duì)本課題內(nèi)容所要研究的歷史背景、現(xiàn)階段情況和現(xiàn)實(shí)意義進(jìn)行T太原理工大學(xué)碩士研究生學(xué)位論文了闡述,并分析了本課題的研究思路。(2)介紹了支持向量機(jī)的基礎(chǔ)理論知識(shí)以及分類的原理,并重點(diǎn)講解了多類支持向量機(jī)分類的方法。同時(shí)在模糊性集合理論的基礎(chǔ)上對(duì)模糊支持向量機(jī)的

6、分類方法作了重點(diǎn)介紹,并對(duì)其核心的隸屬度函數(shù)算法進(jìn)行了介紹。(3)首先對(duì)云模型的整體概況進(jìn)行了描述,并對(duì)其定義和數(shù)字特征值等作了說(shuō)明,總結(jié)了云理論模型的一系列特點(diǎn),最終著重對(duì)云理論模型的發(fā)生器作了介紹。(4)以遙感衛(wèi)星影像為實(shí)驗(yàn)數(shù)據(jù),利用距離隸屬度算法和模糊支持向量機(jī)理論構(gòu)造次最優(yōu)分類超平面,對(duì)于產(chǎn)生的混分和漏分樣本使用改進(jìn)云模型隸屬度模糊支持向量機(jī)方法構(gòu)造最優(yōu)的分類超平面,以實(shí)現(xiàn)對(duì)遙感衛(wèi)星影像的整合分類結(jié)果,并對(duì)其分類性能進(jìn)行分析。(5)為了驗(yàn)證改進(jìn)算法的分類情況,采用遙感航空影像數(shù)據(jù)集,并使用相同的實(shí)驗(yàn)方法進(jìn)行

7、分類以作對(duì)比,對(duì)分類性能進(jìn)行分析后得出結(jié)論說(shuō)明本文所提算法對(duì)遙感影像進(jìn)行分類實(shí)驗(yàn)是可行的,特別地,對(duì)于遙感的衛(wèi)星影像,其分類效果更加明顯。關(guān)鍵詞:模糊支持向量機(jī),隸屬度,云模型,遙感影像太原理工大學(xué)碩士研究生學(xué)位論文FSVMCLASSIFICATIONBASEDONCLOUDMODELABSTRACTIntoday’Sinformationage,withtherapiddevelopmentofnetworkandcomputertechnology,theamountofinformationexploding

8、,inordertomeetpeople’Sneeds,toavoidhugeamountsofdatainadisorderlystate,datais一一一一●‘‘”1’classifiedasalndispensablemeans.■uzzysupportVectormacnlneasaveryeffectiveclassificationmethodcansolvemanyofthetraditionalclassificationmethodsduetosamplesnonlinearandhighdim

9、ensionthatCannotbeclassifiedorlowclassificationaccuracy.Infuzzysupportvectormachineclassificationmethods,theproblemofmembershipfunctiondeterminingisthemostcriticalresearch.Becauset

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。
关闭