資源描述：
《基于云模型的模糊支持向量機分類方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、聲明本人鄭重聲明：所呈交的學位論文，是本人在指導教師的指導下，獨立進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人或集體己經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究做出重要貢獻的個人和集體，均己在文中以明確方式標明。本聲明的法律責任由本人承擔。論文作者簽名：日期：如(>．蕊關(guān)于學位論文使用權(quán)的說明本人完全了解太原理工大學有關(guān)保管、使用學位論文的規(guī)定，其中包括：①學校有權(quán)保管、并向有關(guān)部門送交學位論文的原件與復印件；②學?？梢圆捎糜坝 ⒖s印或其它子復制手段復制并保存學位論文；③學?？稍试S學位論文被查
2、閱或借閱；④學?？梢詫W術(shù)交流為目的，復制贈送和交換學位論文；⑤學?？梢怨紝W位論文的全部或部分內(nèi)容(保密學位論文在解密后遵守此規(guī)定)。作者簽名：導師簽名：如乞J’日期：型夕夠強、嘮隰J
3、_?太原理工大學碩士研究生學位論文基于云模型的模糊支持向量機分類方法研究摘要在當今信息化的時代，隨著網(wǎng)絡(luò)和計算機技術(shù)的迅猛發(fā)展，信息量呈爆炸式增長，為滿足人們的需求，避免海量數(shù)據(jù)處于一種無秩序的狀態(tài)，對數(shù)據(jù)進行分類就成為一種必不可少的重要手段。模糊支持向量機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)、決策樹分類等傳統(tǒng)分類
4、方法中由于樣本非線性、過多依賴先驗知識以及樣本量無窮大而導致的無法分類或者分類精度低等問題。在模糊支持向量機分類方法中，隸屬度函數(shù)的確定是其最關(guān)鍵的研究對象。由于客觀世界中存在大量的不確定性，容易導致類別邊緣的樣本無法正確分類，因此，如何更好地表達客觀世界中事物和現(xiàn)象的不確定因素是目前自然科學領(lǐng)域研究的重點和熱點。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針對定性的類別概念和定量的數(shù)據(jù)之間轉(zhuǎn)換的模型。針對以上問題，本文利用云模型定性定量轉(zhuǎn)換的獨特原理以及模糊支持向量機非線性、抗噪能力等優(yōu)
5、點，將云模型與模糊支持向量機相結(jié)合，對模糊支持向量機的隸屬度函數(shù)進行改進。由于遙感影像數(shù)據(jù)具有邊界模糊性以及解譯過程不確定性的特點，本文以遙感影像為實驗數(shù)據(jù)，通過在遙感數(shù)據(jù)集中進行分類來驗證改進算法的有效性并以此提高對遙感影像的分類精度。論文主要內(nèi)容如下：(1)對本課題內(nèi)容所要研究的歷史背景、現(xiàn)階段情況和現(xiàn)實意義進行T太原理工大學碩士研究生學位論文了闡述，并分析了本課題的研究思路。(2)介紹了支持向量機的基礎(chǔ)理論知識以及分類的原理，并重點講解了多類支持向量機分類的方法。同時在模糊性集合理論的基礎(chǔ)上對模糊支持向量機的
6、分類方法作了重點介紹，并對其核心的隸屬度函數(shù)算法進行了介紹。(3)首先對云模型的整體概況進行了描述，并對其定義和數(shù)字特征值等作了說明，總結(jié)了云理論模型的一系列特點，最終著重對云理論模型的發(fā)生器作了介紹。(4)以遙感衛(wèi)星影像為實驗數(shù)據(jù)，利用距離隸屬度算法和模糊支持向量機理論構(gòu)造次最優(yōu)分類超平面，對于產(chǎn)生的混分和漏分樣本使用改進云模型隸屬度模糊支持向量機方法構(gòu)造最優(yōu)的分類超平面，以實現(xiàn)對遙感衛(wèi)星影像的整合分類結(jié)果，并對其分類性能進行分析。(5)為了驗證改進算法的分類情況，采用遙感航空影像數(shù)據(jù)集，并使用相同的實驗方法進行
7、分類以作對比，對分類性能進行分析后得出結(jié)論說明本文所提算法對遙感影像進行分類實驗是可行的，特別地，對于遙感的衛(wèi)星影像，其分類效果更加明顯。關(guān)鍵詞：模糊支持向量機，隸屬度，云模型，遙感影像太原理工大學碩士研究生學位論文FSVMCLASSIFICATIONBASEDONCLOUDMODELABSTRACTIntoday’Sinformationage，withtherapiddevelopmentofnetworkandcomputertechnology,theamountofinformationexploding
8、，inordertomeetpeople’Sneeds，toavoidhugeamountsofdatainadisorderlystate，datais一一一一●‘‘”1’classifiedasalndispensablemeans．■uzzysupportVectormacnlneasaveryeffectiveclassificationmethodcansolvemanyofthetraditionalclassificationmethodsduetosamplesnonlinearandhighdim
9、ensionthatCannotbeclassifiedorlowclassificationaccuracy．Infuzzysupportvectormachineclassificationmethods，theproblemofmembershipfunctiondeterminingisthemostcriticalresearch．Becauset
