论文部分内容阅读
为了克服支持向量机方法对于噪声或孤立野值点敏感的问题，通过引入模糊理论与粗糙集方法，可以分另9得到两种不确定支持向量机模型。文中通过分析和比较模糊支持向量机和粗糙支持向量机分类模型构造方法，解释了这两种不确定支持向量机模型克服噪声影响的原理。同时通过一个合成数据集和一组标准数据集对这两种不确定支持向量机的泛化性能进行了对比验证。实验结果表明，相比传统支持向量机，两种不确定支持向量机都能不同程度地提高分类精度，并且模糊支持向量机算法整体表现出了更好的泛化性能。