模糊支持向量机

基于聚类粒度的模糊支持向量机

ａｇｒｈｌｏｔｍ．Ｂａｅｎｔｅｉｆｒｔｎｏｌｓｅｎｒｎｌｒｔｓｎｌｄｎｌｓｒｇｃｎｅ，ｃｕｔｒｎａｉｓａｄｔｅｎｍｂｒｏｉｓｄｏｈｎｏｍａｉｆｃｕｔｒｇｇａｕａｉｅ，ｉｃｕｉｇｃｕｔｉｅｔｒｌｓｅｇｒｄｕｎｈｕｅｆｏｉｉｅｎｉ
ｓｍｐｅｃｎａｎｄｉｌｓｒｎ，ｅｇ－ａｌｓｎｄｉｔｒｅｔｎｓｍｐｅｅｆｕｄｗｉｉａｈｃｕｔｒｇｎｅｏ－ａｐｅｅａｌｓｏｔｅｎｃｕｔｉｇｄｅｓｍｐｅａｎｅｓｃｉ — ａｌｓａｏｎｔｎｅｃｌｓｅｎ，ｉｔｒｒｓｍｌｓａｉｅｏｒｈｉｉｒ
Ｆｕｚｕｐｒｅｔｒｍａｈｎａｅｎｃｕｔｒｎｒｎｌｒｔｚｙｓｐｏｔｃｏｃｉｅｂｓｄｏｌｓｅｉｇｇａｕａｉｙｖ
ＱＩｉＵＹ．ｈＬ．Ｕｕｓｕ
（ｃｏｌｆｏｕｅｃｎｅｎｅｈｏｏｙＢｉｎｓｔｔｏｃｎｌｇ，ｅｉｇ１０８，ｈｎ）Ｓｈｏｍｐｔｒｉｃｄｃｎｌｇ，ｅｉｇＩｔｕｅｆｅｈｏｏｙＢｉｎ００ＣｉｏＣＳｅａＴｊｎｉＴｊ１ａ
找到每个聚类内部的边缘点和交叉点集合，去除对分类贡献很小的聚类内部点，最终形成了新的用于模糊支持向量机训练的样本集合．随后的试验结果表明，由聚类颗粒生成的约简样本集合，很好的表示了原有样本的分布，不仅提高了训练效率，

基于小波包分解及模糊支持向量机的红虫识别

Ａｂｓｒｃ：Ｔｈｅｃｉｏｏｉａｖｅｎｔｒｈｔｒｓｐｐｙｓｓｅｔｏｇｒｎｓｓｉｎｐｐｌｎｔａｔｈｒｎｍｄｌｒａｓｅｅｔｅｗａｅ —ｕｌｙｔｍｈｒｕｈｔａｍｉｓｏｉｅｉｅ．Ａｌｈｕｇｈｅｅａｅｏｔｏｈｔｒｒｎｉｄｉａｉｎｈｔｃｒｎｍｉａｖｅｐｏｅａｔｒａｏｐｌｃｈａｔｔｅｒｐｅｅｃｓｔｌｏｐｒｃａｅｃｕｓｍｏｔｐｅｐｌｎｃｔｏｓｔａｈｉｏｏｄｌｒａｓｈｅｔｔｕｂｉｅｌｈ，ｈｉｒｓｎｅｉｓｉｌｔａｐｅｉｔｄｂｅａｅｎｓｏｅａｓｃａｅｔｅｒａｉｍｓｓｏｉｔｈｏｇｎｓｗｉｈｏｔｌｗｈｇｅ．Ｉａｃｒａｅｙｉｎｅｎｃｏｄｎｃｗｉｈｈｃｒｃｅｓｉｓｆｈｅｒａｉｍｓｔｉｐａｅｓｕｉｄｔｔｅｈａａｔｒｔｃｏｔｏｇｎｓ，ｈｓｉｐｒｔｄｅｃｉｏｏｉａｖｅｍａｅｒｃｇｉｉｎｈｒｎｍｄｌｒａｉｇｓｅｏｎｔｏｍｅｈｄｔｏｂａｅｏｗａｅｅｐｃｅｄｅｏｐｓｔｏａＦｕｚＳｕｐｏＶｅｔｒｓｄｎｖｌｔａｋｔｃｍｏｉｉｎｎｄｚｙｐ￣ｃｏＭａｈｎｃｉｅ
基于小波包分解及模糊支持向量机的红虫识别
赵晶莹郭海孙兴滨，，，姜云汉
（．１大连民族学院计算机科学与工程学院，辽宁大连１６０；２哈尔滨工业大学市政环境工程学院，１６０．哈尔滨１０９５００；

基于最小二乘模糊单类支持向量机的网络故障检测

ＡｓａｔｅｌｓｅａｄＬａｔｑａｅｕｚｎｌｓｕｐｒＶｃｒｃｉｅ（ＳＯ —Ｖ）ｗｓｒｏｅｂｔｃ：ＡｎｗｃａｉｒｍｅｅｓＳｕｒｓｚｙＯｅＣａｐｏｔｅｔｈｒｓｆｎｉＦｓＳｏＭａｎＬＦＣＳＭａｏｓｄｐｐ
ＺＨＡＮＧｉＭＥＮＧａｇｒＺＨＡＮＧ．ｕＬ，Ｘｉｎ．ｕ，Ｙａｐ
（ｎｔｕｅｆＴｌｏｕｉｔｎＥｇｎｅｎ，ＡｒＦｒｅＥｇｎｅｎｎｖｒｔｉｎＳａｎｉ１０７ｈｎ）ＩｓｔｔｏｅｃｍｍｎｃｉｎｉｅｒｇｉｏｃｎｉｅｒｇＵｉｓｙ＇ｈａｘ７０７，Ｃｉｉｅａｏｉｉｅｉ，Ｘａａ
中图分类号：Ｐ９．８Ｔ１Ｔ３３０；Ｐ８文献标志码：Ａ
Ｎｅｗｏｋｆｕｔｄｅｅｔｏｂｓｄ０ｕｚｎｌｓＶＭｔｔｒａｌｔｃｉｎａｅｎｆｚｙｏｅｃａｓＳｗｉｈ
ｌａｔｓｕａｅｎｄｅｕｌｙｃｎｔａｎｓｅｓｑｒｓａｑａｉｏｓｒｉｔｔ
第３Ｏ卷第ｌ０期
２１００年ｌＯ月
计算机应用
ＪｕｎｌｏｏｐｔｒＡｐｉａｉｎｏｒａｆＣＮ．ＯＩ３ｏ１
０ｅ．２０ｔ０１
文章编号：０１— ０１２１）０— ８４— ４１０９８（００１２３０
二乘模糊单类支持向量机（ＳＯ —Ｖ。该方法采用最小二乘损失函数和等式化约束改进标准单类支持向量机的ＬＦＣＳＭ）训练算法，将二次规划转化为解线性方程组，降低了计算代价；并通过构造基于特征空间距离的模糊隶属度函数和优

基于模糊sigmoid核的支持向量机回归建模

基于模糊sigmoid核的支持向量机回归建模
刘涵;刘丁
【期刊名称】《控制理论与应用》
【年(卷),期】2006(23)2
【摘要】支持向量机中对核函数的要求为对称的半正定矩阵.来自于神经网络的sigmoid核函数在其参数满足一定条件时才成为半正定矩阵,但是这种核函数在SVM中却有很多成功的应用.本文将sigmoid核函数与模糊逻辑相结合并使其模糊化,从而简化了SVM的计算并便于用硬件实现.通过对混沌时间序列预测以及图像去噪滤波器两个实例的实验研究发现,使用模糊sigmoid核函数可以使SVM回归建模在损失较小精度的代价下,较大地降低平均CPU执行时间,便于硬件实现【总页数】5页(P204-208)
【作者】刘涵;刘丁
【作者单位】西安理工大学,自动化与信息工程学院,陕西,西安,710048;西安理工大学,自动化与信息工程学院,陕西,西安,710048
【正文语种】中文
【中图分类】TP181
【相关文献】
1.基于模糊核聚类的乙烯裂解深度DE-LSSVM多模型建模 [J], 陈贵华;王昕;王振雷;钱锋
2.基于GRA的模糊核聚类DRVM软测量建模与优化 [J], 黄永红;吴红生;虞永胜
3.基于多模型模糊核聚类方法的污水处理过程软测量建模 [J], 索幸仪; 侍洪波
4.基于改进核模糊聚类算法的软测量建模研究 [J], 徐海霞;刘国海;周大为;梅从立
5.一种基于自适应模糊高斯核聚类的软测量建模方法 [J], 夏源;杨慧中
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模糊超球面支持向量机的超宽带SAR地雷检测

金添，周智敏，宋千，常文革
（国防科学技术大学电子科学与工程学院，湖南长沙４０７）１０３
摘要：机载或车载超宽带合成孔径雷达（ＵＷＢＳＡＲ）以大区域快速探测单个地雷和雷场，可是探雷的发展趋势。虚警太多是ＵＷＢＳＲ探雷实用化的主要问题。本文提出了模糊超球面支持向Ａ量机（ＨＳＳＦ —ＶＭ）雷检测器。Ｆ —ＶＭ在高维核特征空间中构造封闭的超球面区分地雷和杂地ＨＳＳ
．
ｓｐｏｔｅｔｒｍａｈｎＦ — ＶＭ）ｌｎｍｉｅｄｔｃｏｓｐｏｏｅ．ＴｈＨＳＳｕｐｒｃｏｃｉｅ（ＨＳＳｖａｄｎｅｅｔｒｗａｒｐｓｄｅＦ — ＶＭｏｍｓａｈｐｒｆｒｙｅ－
ｓｈｅｅｉｈｇｉｅｓｏａｅｎｌｆａｕｅｓａｅｔｅｒｔａｄｉｎｌｔｅｓｗｈｅｅｔｕｚｐｒｎｔｅｈｉｈｄｍｎｉｎｌｋｒｅｅｔｒｐｃｏｓｐａａｅｌｎｍｎｅａｄｃｕｔｒｒｈｅｆｚｖ
维普资讯
第２卷第１期８２２００７年１２月
兵
工
学
报
ＶＯ１２８Ｏ．２．Ｎ１Ｄｅ２０ｃ．０７
ＡＣＴＡＡＲＭＡＭＥＮＴＡＲＩＩ
基于模糊超球面支持向量机的超宽带ＳＲ地雷检测Ａ
ｄｔｃａｄｉｓｏｉｆｅｄｖｒｌｒｅａｅｓｑｉｋｙ，ｗｈｉｈｉｈｅｅｔｔｅｄｉａｄｉｅｄｔｃｅｅｔｌｎｍｎｅｒｍｎｅｉｌｓｏｅａｇｒａｕｃｌｃｓｔｅｐｒｓｎｒｎｎｌｎｍｎｅｅ．

基于模糊C-均值聚类的支持向量机

数，提高分类器的分类能力．如文献［】出的Ｒ — Ｖ文献［】２提ＳＳＭ，３
提出的基于遗传葬法的特征选择；另一类是预抽取学习样本集
中的边界向量，通过删除不是边界向量的样本点来减少输入样
本的个数，达到减少洲练时间的日的，艾献【】还有一类是通如４；
ｏｍｅｔｄｐｅｄｓｕｐｔａｉｉｇｕｒｈｏｓｅｒｎｎｗｈｌｐｏｓｓｓｈｉｐｒｃｉｉｎｆＳＶＭｓｎｃａｅｅｃｔａｄｅａｎ．ｉｅｓｅｅｓｇｈｅｓｏｏａｄｎｍｔａｕｌｍｄｓ
Ｋｙｏｄ：ｐｏｔｅｔｒｃｉ（Ｖ）ｕｚ－ａｓＣｕｔｒｇｃｓｉａｉｌｒｈｅｗｒｓｕｐｒＶｃＳｏＭａｈｅＳＭ，ｚｙｃｍｅｎｌｅｉ．ｌｓｉｔｎａｏｉｍｎＦｓｎａｆｏｇｔｃ
维普资讯
《业控制汁算￣）０６年１工Ｊ）０Ｌ２９卷第１１期
基于模糊Ｃ均值聚类的支持向量机一
ＳｐｐｒＶｃｏｃｉｅｓｄｏｕｚ－ａｓＣｌｓｅｉｇｕｏｔｅｔｒＭａｈｎｓＢａｅｎＦｚｙＣ—ｍｅｎｕｔｒｎ
类精度的情况下，大大缩短了支持向量机的学习训练时间。关键词：支持向量机，糊Ｃ均值聚类．类算法模一分
Ａｂｓｒｃｔａｔ
ＩｓｔｏｍｕｈｔｏｔｗｈｎｃａｓａｕｐｒｖｃｏｃｉｅａｄｉｔａｇａａｅｓＡＣＭＳＭＳＭａｅｎｔｏｃｉ＇ｍｅｃｓｅｌｉｌｓｐｏｔｅｔｒｍａｈｎｓｈｎｌｇｗｉｌｒｅｄｔｓｔ．ＦｓｃｎｈＶｆＶｂｓｄｏ

基于模糊集和支持向量机的文本流派分类方法

ＺＨＵｎ－ｕ。ＹａｈｉＹＡＮＧ－ｍｉＹＡＮＧｅ－ｅｇＴｅｔｇｎｅｌｓｉｃｔｎｍｅｈｄｂｓｄｎｕｚｅｎＳｐｏＶｅｔｒＡｉｎ，Ｗｉｆｎ．ｘｅｒｃａｓｆａｉｉｏｔｏａｅｏｆｚｙｓｔａｄｕｐ￣ｃｏ
ｂｓｄｏｕｚｅａｄＳｐｏｔＶｃｒＭａｈｎ（Ｖ，ｈｃｏｂｎｓａｖｎａｅｆｂｔＶｎｕｚｅｔｅｒ．ｘｅｉｅｔａｅｎｆｚｙｓｔｎｕｐｒｅｔｃｉＳＭ）ｗｉｈｃｍｉｄａｔｇｓｏｏＳＭａｄｆｚｙｓｔｈｏｙｐｒｎｓｏｅｅｈＥｍ
２０，４１）１５０８４（１４
基于模糊集和支持向量机的文本流派分类方法
朱艳辉，阳爱民杨伟丰，
ＺＨＵＹａ —ｈｉ，ｎｕＹＡＮＧＡｉ —ｍｉＹＡＮＧＷｅ－ｅｇｎ，ｉｆｎ
１．湖南工业大学计算机与通信学院，湖南株洲４２０１０８２国防科学技术大学计算机学院，．长沙４０７１０３
关键词：糊理论；模支持向量机；文本流派分类
文章编号：０２８３（０８ｌ－１５０文献标识码：中图分类号：Ｐ０１０ — ３ｌ２０）１０４ — ３ＡＴ３ｌ
Ｋｅｒｓｕｚｈｏ；ｕｐｒＶｅｔｒＭａｈｎ（ＶＭ）ｔｘｅｒｌｓｉｃｔｎｙｗｏｄ：ｆｚｙｔｅｒＳｐｏｃｏｃｉｅＳｙｔ；ｅｔｇｎｅｃａｓｆ目前流派分类技术分类性能不够好的问题，支持向量机和模糊集理论的优点结合起来，出了一种基于模糊集和针将提

一种模糊加权的孪生支持向量机算法

文献标志码：Ａ中图分类号：ＴＰ１８ｄｏｉ：１０．３７７８￣．ｉｓｓｎ．１００２．８３３１．１１０７．０２９３
ｗｉｔｈｒｅｓｐｅｃｔｔｏｔｈｅｃｌａｓｓｉｉｆｃａｔｉｏｎｔａｓｋ．Ｉｎｔｈｉｓｐａｐｅｒ．ＦｕｚｚｙＴｗｉｎＳｕｐｐｏｔｒＶｅｃｔｏｒＭａｃｈｉｎｅ（ＦＴＳＶＭ）ｉｓｐｒｏｐｏｓｅｄｂｙａｐｐｌｙｉｎｇａ
ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用
一
种模糊加权的孪生支持向量机算法
娜，卢霄霞
李凯，李
ＬＩＫａｉ，ＬＩＮａ，ＬＵＸｉａｏｘｉａ
ＬＩＫａｉ，ＬＩＮａ，ＬＵＸｉａｏｘｉａ．ＴｗｉｎＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅａｌｇｏｒｉｔｈｍｗｉｔｈｆｕｚｚｙｗｅｉｇｈｔｉｎｇ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄ
Ａｐｐｌｉｃａｔｉｏｎｓ，２０１３，４９（４）：１６２ — １６５．
Ａｂｓｔｒａｃｔ：ＡｌｔｈｏｕｇｈＴｗｉｎＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ（ＴＳＶＭ）ｈａｓｆａｓｔｅｒｓｐｅｅｄｔｈａｎｔｒａｄｉｔｉｏｎａｌｓｕｐｐｏｔｒｖｅｃｔｏｒｍａｃｈｉｎｅｆｏｒｃｌａｓｓｉｉｆ —

基于模糊C均值支持向量机的直流电机故障模式识别

ＬＵＭａｌｎ，ＣＵＩＳｈｍｅ。ＧＵＯｎＩｎａｕｉＢｉ
，
（．ｃｏｌｆＭｅｈｎｃｌｎｌｔｃｌｎｉｅｒｇＨｒｉＩｓｔｔｏｃｎｌｙｈｎ；１ＳｈｏｏｃａｉｄＥｅｒａＥｇｎｅｎ，ａｂｎｔｕＴｈｏｏ，Ｃｉａａａｃｉｉｎｉｅｆｅｇ２ＳｈｏｏｔｉｃｎｅａｄＥｇｎｅｎ，ａｂｓｔｔｏｅｈｏｇ，Ｃｉ；．ｃｏｌＭａｅａＳｉｃｎｎｉｅｒｇＨｒｉＩｔｕＴｃｎｌｙｈｎｆｒｌｅｉｎｎｉｅｆｏａ３ＳｈｏｏｌｔｃｎｉｅｎＨｒｉＩｔｕｃｎｌｙＨｒｉ１００，Ｃｉ）．ｃｏｌＥｅｒｇｎｒｇ，ａｂｎｉｔｏＴｈｏｏ，ａｂ５０１ｈｎｆｃｉＥｅｉｎｓｔｅｆｅｇｎａ
摘
要：提出了一种基于模糊Ｃ均值的永磁直流电机故障模式识别方法。首先通过模糊Ｃ均值聚类算法对无类别标一一
识的故障样本数据进行模糊划分，并根据模糊聚类的隶属度矩阵，判断定位每一样本数据的所属类，并定位样本数据中的野点，消除野点后，再利用基于支持向量机的模式识别方法对模糊划分后的数据进行训练。研究结果表明：该方法解决了永磁直流电机故障在线监测与诊断中缺少已知类别标签的训练样本问题，抑制了复杂环境中噪声，提高了含有大量噪声数据的永磁直流电机在线故障识别精度。关键词：永磁直流电机；支持向量机；模糊Ｃ一均值；模式识别；故障诊断
第４４卷第１０期

模糊支持向量机在人脸识别中的应用

模糊支持向量机在人脸识别中的应用
邓丽萍
【期刊名称】《信息安全与技术》
【年(卷),期】2014(5)10
【摘要】本文首先介绍了人脸图像的代数特征抽取方法ICA,再对模糊支持向量机(Fuzzy Support VectorMachine,FSVM)作了重点分析和研究.将抽取的人脸特征应用到基于FSVM和基于模糊系统的算法上,采用基于模糊分类系统和二叉决策树相结合的方法进行人脸识别,可以达到理想的识别效果.
【总页数】3页(P89-91)
【作者】邓丽萍
【作者单位】福建农业职业技术学院福建福州350119
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.模糊支持向量机在印刷机故障诊断中的应用研究 [J], 邓丽;王爱萍;王海宽;费敏锐
2.模糊支持向量机在变压器故障诊断中的应用 [J], 史丽萍;余鹏玺;罗朋;徐天然;刘鹏;李佳佳
3.模糊支持向量机在人脸识别中的应用 [J], 戴花;王建平
4.模糊支持向量机和独立成分分析在人脸识别中的应用 [J], 宋晓宁;吴小俊
5.基于马氏距离的模糊支持向量机及其在用户行为识别中的应用研究 [J], 焦裕朋
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模糊支持向量机的多分类算法研究

维普资讯
第２８卷第７期
２００８年７月
文章编号：０１９８（０８０１０ — ０１２０）７—１８ — ３６１０
计算机应用
ＣｏｕｅｐｉａｉｎｍｐｔｒＡｐｌｃｔｓｏ
Ｖ０．．１２８Ｎｏ７
Ｊｌ０８ｕｙ２０
基于模糊支持向量机的多分类算法研究
张钊费一楠宋，，麟王锁柱，
（．１首都师范大学信息工程学院，北京１０３；２中国专利信息中心，００７．北京１０８）００８
（ａｒｙ＠１３ｃｎ）ｆｇｏａ６．ｏ
分类效果。
关键词：糊支持向量机；多分类；二叉树模中图分类号：Ｐ１Ｔ３１文献标志码：Ａ
Ｒｅｅｒｈｏｕｔ－ｌｓｌｏｉｈｓｄｏｕｚｕｐｒｅｔｒｍａｈｉｓａｃｆｍｌｉｃａｓａｇｒｔｍｂａｅｎｆｚｙｓｐｏｔｖｃｏｃｎｅ
ｍｅｈｄｏｈｔｏｆｔｅＫＮＮｕｚｙｍｅｅｓｐｆｎｃｉｎ，ｉｃｎａｃｌｔｈｏｒｓｎｎａｕｎｄｄｔｏａｌｂａｎｔｆｅｅｔｆｚｍｂｒｈｉｕｔｏｔａｃｕａｅｔｅｃｒｅｐｏｄｉｇｖｅａｄａｉｉｎｙｏｔｉｈｅｄｉｒｎｌｌｌｆｐｎａｔａｕｅａｇｒｈｎｍｐｒａｔｄｔｏｈｅｃａｓｆｃｔｎｒｓｌｓｗｈｉｏｔｕｃｉｈｌｓｉｃｔｏｐｒｐａｅｓｅｌｙｖｌｎｄｉｎｏｅｔｅｕｉｏｎａａｆｒｔｌｓｉａｉｅｕｔ，ｔｉｏｌｃｎｓｒｔｎｇｔｅｃａｓｆａｉｎｈｙｅ — ｌｎ．ｅｉＥｘｅｍｅａｅｕｔｎｃｔｈａｈｅａｇｒｔｍｓａｂｅｔｒａｌｙｏｔ．ｎｅｆｒｎｅａｄｂｔｅｌｓｉｃｔｏｆｅｔ．ｐｒｎｔｌｒｓｌｓｉｄｉａｅｔｔｔｌｏｈｈａｔｅｂｉｉｆａｎｉｉｔｒｅｅｃｎｅｔｒｃａｓｆａｉｎｅｆｃｓｉｉｔｉＫｅｒ：ｆｚｕｐｏｅｔｒｍａｈｎ；ｍｕｔ—ｌｓ；ｂｎｒｒｅｙｗｏｄｓｕｚｙｓｐｒｖｃｏｃｉｅｔｌｉｃａｓｉａｙｔｅ

一种具有特征有效度的模糊支持向量机

／
摘
要：对传统支持向量机对噪声或野值样本敏感和忽略样本各个特征对分类精度的不同影响，出了一种具针提
有特征有效度的模糊支持向量机（ｗ—ＳＭ）ＦＦＶ。该方法通过对模糊支持向量机的模糊因子进行改进，噪声或野将值样本与有效样本进行区分。在此基础上根据信息增益计算样本各个特征的特征有效度，除弱相关特征和冗余消
ＧＵＣｈｎ－ｅ，ＨＡＮＳｕ．ｉ，ｅｇｊＺｉＧｈｎｙＨＵＡＳＮｎｆｉＮＧＨｅ，ＵＹａ．ｅ
，．ｎｔｕｅｏｆｒｔｎＮｔｏｋＴｃｎｌｙＮｎｉｎｖｒｉｆｏｔａｄ１ｌ０ｍｕｊａ０ｓＮａｉｇ１０３Ｃｉａ１Ｉｓｔｔｆｎｏｉｅｗｒｅｈｏｏ，ａｊｇＵｉｅｔｏＰｓｓｎ、ｅｍｎｔｎ，ｎｉ００，ｈｎ＼ｉＩｍａｏｇｎｓｙｅｃｃｉｎ２
ｏｈａｉｆｆｚｙｓｐｏｖｃｏｃｉｅｔｌｓｉｈｏｓａｌｓａｄｏｔｉｒｓｍｐｌｓｆｏｔｅｅ－ｎｔｅｂｓｓｏｕｚｕｐ￣ｅｔｒｍａｈｎｏｃａｓｆｔｅｎｉｅｓｍｐｅｎｕｌａｙｅｅｒｍｈｆｉｅｔｓｍｐｅ．ｎｏｄｒｔｉｎｉｈｔｅｅｆｃｆｗｅｋｆａｕｅｒｒｄｕｄｎｉｓｆｒｃａｓｆａｉｎａｃｒ — ｆｉｎａｌｓＩｒｅｏｄｍｉｓｈｆｅｔｏａｅｔｒｓｏｅｎａｃｅｏｌｓｉｃｔｏｃｕａｃｉｃｔｅｐｏｏｅｐｒａｈｃｌｕａｅｈｅｔｒｉｈｅｅｒｅｏａｈｆａｕｒｙｃｍｐｔｎｈｎｏ — ｙ，ｈｒｐｓｄａｐｏｃａｃｌｔｓｔｅｆａｕｅｗｅｇｔｄｄｇｅｆｅｃｅｔｅｂｏｕｉｇｔｅｉｆｒ

基于模糊理论与支持向量机的变压器故障诊断方法

ｔｅｄｎｉｅｕｉｇＶＭｉｉｈｍｕｔｏｊｃｉｅｃａｓｉａｉｎａｄｄａｎｓｅｕｔｒｈｎｉｅｔｉｄｓＳｆｎｎｗｈｃｌ－ｈｅｔｌｓｉｃｔｎｉｏｉｒｓｌａｅｉｖｆｏｇｓｓ
ａｈｅｅｙｅｐｏｉｇｔｅｏｅａａｎｔａｌｍｅｈｄＴｏｃｕｔｒｔｅｄｆｉｕｔｆｐｒｍｅｅｓｄｃ— ｃｉｖｄｂｍｌｙｎｈｎ — ｇｉｓ — ｌｔｏ．ｏｎｅｈｉｆｌｙｏａａｔｒｅｉｃｓｏｎＳｉｎｉＶＭ，ｔｅｍｕｔｌｙｒａａｔｖｌｏｉｈａｄｔｅｋｆｌｒｓａｉａｉｎｍｅｈｄａｅｃｍ — ｈｌｉａｅｄｐｉｅａｇｒｔｍｎｈ — ｏｄｃｏｓｖｌｔｔｏｒｏ — ｄｏｂｎｄｔｐｉｚｈａａｔｒ．Ｆａｌｉｇｏｉａｅｎｌｓｓｒｓｌｓｓｏｔａｈｒｐｓｄｉｅｏｏｔｍｉｅｔｅｐｒｍｅｅｓｕｔｄａｎｓｓｃｓｓａａｙｉｅｕｔｈｗｈｔｔｅｐｏｏｅｍｅｈｄｃｎｏｅｃｍｉｇｔｅｃｎｅｔｏａｉｇｏｉｔｏｓｓｏｔｏｉｇｆｍｉｓｎｏｅｎｔｏａｖｒｏｎｈｏｖｎｉｎｌｄａｎｓｓｍｅｈｄｈｒｃｍｎｓｏｓｉｇｃｄｓａｄａｓｌｔｏｉｇｂｒｅｓｎｔｉｗｉｈｍｏｅａｃｒｔｎｕｔｂｅｉｒｃｉｅａｐｉａｉｎ．ｂｏｕｅｃｄｎｏｄｒ，ａｄｉｓｔｒｃｕａｅａｄｓｉａｌｎｐａｔｃｐｌｔｏｓｃＫｅｒｓｔａｓｏｍｅ；ｆｕｔｄａｎｓｓｕｚｈｏｙ；ｓｐｏｔｖｃｏａｈｎｙｗｏｄ：ｒｎｆｒｒａｌｉｇｏｉ；ｆｚｙｔｅｒｕｐｒｅｔｒｍｃｉｅ

基于模糊C均值聚类和支持向量机的信号识别方法

ｂａｓｅｄｏｎＦｕｚｚｙ（；Ｍｅａｎｓ（ＦＣＭ）ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍａｎｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）．ＦｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｉｓｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎＦ— ＣＭ．ＴｈｅｔｈｅｃｌｕｓｔｅｒｖａｌｉｄｉｔｙａｓｓｅｓｓｍｅｎｔｆｕｎｃｔｉｏｎｉＳｃｏｎｓｔｒｕｃｔｅｄｔｏｇｅｔｔｈｅＣｌｕｓｔｅｒｖａｌｉｄｉｔｙｆｕｎｃｔｉｏｎｖａｌｕｅｕｎｄｅｒｄｉｆｆｅｒｅｎｔｃｌｕｓｔｅｒｃｅｎｔｅｒｎｕｍ— ｂｅｒａｎｄｔｈｅｓｅｔｏｆｆｅａｔｕｒｅｐａｒａｍｅｔｅｒｓｏｆｓｉｇｎａｌｓｉｓｏｂｔａｉｎｅｄｔｈｒｏｕｇｈａｎａｌｙｓｉｓｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅｉｎｃｌｕｓｔｅｒｉｎｇ．ＴｈｅｓｉｇｎａｌｒｅｃｏｇｎｉｔｉｏｎｍｏｄｅｌｓｔｒｕｃｔｕｒｅｄｂａｓｅｄｏｎＳＶＭ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｃｌａｓｓｉｆｉｃａｔｉｏｎｒａｔｅｓｏｆｔｈｅａｌｇｏｒｉｔｈｍｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒａｒｅｍｕｃｈｈｉｇｈｅｒｔｈａｎｔｈｏｓｅｏｆｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ．Ｅｓｐｅｃｉａｌｌｙｉｎｌｏｗｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏ。ｓｉｇｎａｌｒｅｃｏｇｎｉｔｉｏｎｈａｓｉｍｐｒｏｖｅｄｓｉｇｎｉｆｉｃａｎｔｌｙ．ＫｅｙＷｏｒｄｓｍｏｄｕｌａｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎ，ｆｕｚｚｙ（；Ｍｅａｎｓ，ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ，ｓｕｐｐｏｒｔｖｅｃｔｏｒｖａｃｈｉｎｅＣｌａｓｓＮｕｒｒｌｌ￣ｒＴＰ３９］

基于粗糙集与模糊支持向量机的模式分类方法研究

２ＫｙＬｂｒｔｙｏｔｌｅｔｎｒａｏｒｃｓｉｇＴｅＣｉｅｅＡａｅｆｃｅｃｓＢｉｎ０１０Ｃｉａ．ｅａｏａｒｆｎｅｉｎＩｆｍｔｎＰｏｅｓ，ｈｈｎｓｃｄｍｙｏｉｅ，ｅｉｇ１０９，ｈｎ）ｏＩｌｇｏｉｎＳｎｊ
ＡｂｔａｔＡｉｎｔｉｅｉｉｎｙｐｏｌｍｆｒｄｔｎｌｓｐｏｅｔｒｍａｈｎｓ（ＶＭ）ｍｕｔ・ｌｓｌｏｔｍ，ａｅｎｓｒｃ：ｍｉｇａｎｆｃｅｃｒｂｅｏａｉｏａｕｐｒｖｃｏｃｉｅｔｉｔＳｌｃａｓａｇｒｈｂｓｄｏｉｉ
第２６卷第２期
２１００年３月
科技通报
ＢＬＴＮ０ＦＳＥＮＣＵＬＥＩＣＩＥＡＮＤＴＨＮ０ＬＥＣＯＧＹ
Ｖｏ．６Ｎｏ２１２．
Ｍａ．００ｒ２１
基于粗糙Biblioteka 集与模糊支持向量机的模式分类方法研究
ｆｚｕｐｒｖｃｒｃｉＦＶｕｚｓｐｏｔｅｔｈｎｙｏｍａｅ（ＳＭ）ｍｌ—ｌｓｌｏｔｍａｄｒｕｈｓｔ（Ｓｔｅｒ，ｅｔｏｆａｔｎｅｓｉ－ｕｔｃｓｇｒｈｎｇｅＲ）ｈｏａｎｗｍｅｄｏｔｒｌｓｉｉａａｉｏｙｈｐｅａｆ
Ｈｕｋｎ，Ｉｉｉ，ＯＧＳｕａ，ＡｈｎＵＸｅｕＬｎａＳＮｈｎＳａｆ’ ＪｘＧ０
（．ｃｏｌｆｏｐｔｃｎｅａｄＥｇｅｒｇＪｎｓｎｖｒｔｏＳｉｃｎｅｈｏｏｙＺｅａｇ２２０，ｈｎ；１ＳｈｏｏＣｍｕｒｉｃｎｎｉｅｎ，ａｇｕＵｉｓｙｆｃｎｅａｄＴｃｎｌ，ｈ￣ｉ１０３ＣｉａｅＳｅｎｉｉｅｉｅｇｎ

基于双隶属模糊支持向量机的中小企业信用评价

厌恶，在模型的训练阶段对样本进行了“ 非对称 ” 处理。实证结果表明，与传统的判别分析方法相比，建立的企业信用判别模型精度更高，整后的模型可以进一步降低银行的信用风险。调关键词：粗糙集；持向量机；支信用评价；双隶属度
中图分类号：８０５Ｆ３．文献标志码：Ａ文章编号：０７７７（０２０．０３０１０Ｉ３５２１）１０９ —６
Ｓｎａ－ｏｇ，ＨａｉｙｎｏｇＸｉｏｄｎｎＬ－ａ
（ｃｏｌｆｃｎｍｃｎｎｇｍｎ，ｅａｇＵｉｅｉ，ｅｉｇ１０９，ＣｉａＳｈｏｏｏｏｉｓｄＭａａｅｅｔＢｉｎｎｖｒｔＢｉｎ０１１ｈｎ）Ｅａｈｓｙｊ
宋晓东，韩立岩
（北京航空航天大学经济管理学院，北京１０９）０１１
摘要：构建了中小企业信用评价的双隶属模糊支持向量机模型（ＦＶ，ＤＳＭ）使每个训练样本依双隶属度同时隶属于
两个信用类别，并通过粗糙集的属性约简方法确定支持向量机的最优输入指标组合。考虑到银行对于信用风险的
ＣｒｄｔＥｖｌａｉｎｆｒＳｅｉａｕｔｏｍａｌｎ－ｅｉｍ－ｉｅｔｒｒｓｓＢａｅｎｏｌ－ｄＭｄｕＳｚｄＥｎｅｐｉｅｓｄｏ・ａ
ＦｕｚＶＭｔａｅｂｒｈｐＶａｕｓｚｙＳｗｉＤｕｌＭｍｅｓｉｌｅｈ
商业银行面临的信用风险是指由于借款企业不能及时履约或不能完全履约，使银行不能按期、致足额地收回约定的现金流而蒙受损失的可能性。近年来，随着中小企业逐渐成为国民经济的一支重要力量，中小企业对资金的需求也更加迫切，商业信用而也逐渐成为中小企业极其重要的融资来源。然刮

基于模糊加权支持向量机的移动通讯客户满意度问题研究

２８１第期０年０６０月
警理与创新
……… 中国经济与管理科学
基于模糊加权支持向量机的移动通讯客户满意度问题研究
文／贺昌政４刚
四川大学工商管理学院成都６０６１０４
摘要：户满意度是客户关系管理的重要内容，其研究能帮助企业把有限的资源集中到客户最看重的特性方面。针对移客对动通讯客户满意度问题，立了模糊加权支持向量机模型。通过对量化后的总体满意度和各项指标数据进行训练，得二者之建获间的关系。用最优隶属度函数客观地反映出客户的满意程度大小，且对指标的敏感系数和贡献程度进行分析。并
ｖｒｕｎｉａｏｓｔｅｒｌｔｎｈｐｂｔｅｈｍｓｇｉｅ．ｄｔｅｏｔｍａｍｂｒｈｐｄｇｅｕｃｉｎｏｊｃｉｅｙｒｆｅｔｈｘａｉｓｉｄｃｔｒ，ｈｅａｉｓｉｅｗｅｎｔｅｉａｎｄＡｎｈｐｉｌｏｏｍｅｅｓｉｅｒｅｆｎｔｈｅｔｌｅｌｃｓｔｅｅ — ｏｖ
ｔｎｆｔｅｃｉｎｓｓｔｆｃｉｎ，ｈｎｔｅｓｎｉｉｉｙｃｅｆｉｎｎｈｘｅｔｏｏｔｉｕｉｎｉａａｙｅ．ｅｔｈｌｔ ’ ａｉａｔｏｅｓｏｔｅｈｅｓｔｔｏｆｉｅｔｄｔｅｅｔｎｆｃｎｒｔｓｎｌｓｄｖｃａｂｏＫｅｗｏｄ：ｂｌｃｍｍｕｉｔｎＣｓｏｒｓｔｆｃｉｎＩｄｘＦｚｙｗｅｇｔｄｓｐｏｔｖｃｏｃｉｅＭｅｅｓｉｅｙｒｓＭｏｉｏｅｎｃｉｓａｏｕｔｍｅａｉａｔｎｅｕｚｉｈｅｕｐｒｅｔｒｍａｈｎｓｏｍｂｒｈｐｄ —

合集下载