基于直觉模糊集的GSVM模型研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 直觉模糊集的研究现状 | 第10-11页 |
| 1.2 支持向量机的研究现状 | 第11页 |
| 1.3 粒计算的研究现状 | 第11-12页 |
| 1.4 研究目的和意义 | 第12页 |
| 1.5 研究内容 | 第12-13页 |
| 1.6 论文的组织结构 | 第13-15页 |
| 第二章 直觉模糊集理论 | 第15-30页 |
| 2.1 经典Cantor集的基本运算性质 | 第15-17页 |
| 2.2 直觉模糊集 | 第17-20页 |
| 2.2.1 直觉模糊集的概念 | 第17-18页 |
| 2.2.2 直觉模糊集的性质 | 第18-20页 |
| 2.3 区间值直觉模糊集 | 第20-22页 |
| 2.4 一种新的区间值直觉模糊集的精确度函数 | 第22-25页 |
| 2.5 多属性模糊决策中的应用 | 第25-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 支持向量机的理论与算法 | 第30-41页 |
| 3.1 支持向量机 | 第30-34页 |
| 3.1.1 线性分类支持向量机 | 第31-33页 |
| 3.1.2 非线性支持向量机 | 第33-34页 |
| 3.2 模糊支持向量机 | 第34-39页 |
| 3.2.1 模糊支持向量机的基础理论 | 第34-36页 |
| 3.2.2 常用的隶属度解决方法 | 第36-39页 |
| 3.3 直觉模糊支持向量机算法步骤 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于直觉模糊集的GSVM模型 | 第41-62页 |
| 4.1 粒计算 | 第41-46页 |
| 4.1.1 粒计算基本知识 | 第41-44页 |
| 4.1.2 基于粒计算的贴近度 | 第44-46页 |
| 4.1.3 粒化算法 | 第46页 |
| 4.2 粒度支持向量机方法 | 第46-48页 |
| 4.2.1 粒度支持向量机形式化表示 | 第46-47页 |
| 4.2.2 粒度核函数的构造方法 | 第47-48页 |
| 4.3 基于直觉模糊集的GSVM模型(I和II) | 第48-56页 |
| 4.4 实验数据对比 | 第56-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间发表论文和科研情况 | 第72-73页 |
