多態(tài)統(tǒng)計(jì)模式識(shí)別模型及應(yīng)用研究.pdf

1、在現(xiàn)實(shí)生活中，模式識(shí)別問(wèn)題，特別是多態(tài)模式識(shí)別問(wèn)題覆蓋領(lǐng)域十分廣泛，如醫(yī)學(xué)研究中疾病的診斷、健康檢查，公安偵破中指紋識(shí)別、面部識(shí)別，電力系統(tǒng)、通訊系統(tǒng)、交通系統(tǒng)等許多大型復(fù)雜系統(tǒng)的故障診斷等問(wèn)題，都可歸結(jié)為模式識(shí)別問(wèn)題。但是，在建立多態(tài)模式識(shí)別數(shù)學(xué)模型時(shí)，常常遇見(jiàn)特征指標(biāo)眾多，指標(biāo)間存在多重相關(guān)性，而樣本數(shù)據(jù)少，含有噪聲、類與類之間的邊界不清晰等問(wèn)題，這致使模式識(shí)別模型的參數(shù)估計(jì)受到嚴(yán)重影響，模型誤差擴(kuò)大，模型的穩(wěn)健性受到破壞。

2、 基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)方法，是一種具有良好的泛化能力的前沿性分類方法，在解決小樣本、非線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出獨(dú)特的優(yōu)勢(shì)和良好的應(yīng)用前景。但是基本的支持向量機(jī)是基于兩分類問(wèn)題提出的，關(guān)于在多態(tài)模式識(shí)別支持向量機(jī)的研究成果較少。因此，基于高維小樣本數(shù)據(jù)的支持向量機(jī)多念統(tǒng)計(jì)模式識(shí)別模型與方法研究具有顯著的學(xué)術(shù)價(jià)值和重要實(shí)用價(jià)值。 論文在對(duì)模式識(shí)別、支持向量機(jī)基本理論和偏最小二乘方法深入研究的基礎(chǔ)上，針對(duì)模式識(shí)別中訓(xùn)練樣

3、本特征知識(shí)數(shù)據(jù)的冗余性和多變量之間可能存在的相關(guān)性，以及訓(xùn)練樣本類信息的不確定性，將偏最小二乘方法和模糊支持向量機(jī)相結(jié)合，將偏最小二乘方法用于樣本數(shù)據(jù)的提煉，把二分類模糊支持向量機(jī)推廣到多態(tài)模式識(shí)別問(wèn)題，提出了一種基于偏最小二乘的模糊支持向量機(jī)模型。論文的主要研究?jī)?nèi)容和取得的成果如下： (1)在對(duì)國(guó)內(nèi)外模式識(shí)別方法的研究現(xiàn)狀分析的基礎(chǔ)上，系統(tǒng)學(xué)習(xí)、研究了分類前沿技術(shù)——支持向量機(jī)的基本理論和方法，探討了模糊支持向量機(jī)和數(shù)據(jù)約簡(jiǎn)方

4、法——偏最小二乘方法的思想和原理，為多態(tài)模糊模式識(shí)別問(wèn)題的研究奠定了堅(jiān)實(shí)的基礎(chǔ)。 (2)提出了一種新的多態(tài)模式識(shí)別模型——基于偏最小二乘的模糊支持向量機(jī)識(shí)別模型。該模型將偏最小二乘和模糊支持向量機(jī)的優(yōu)點(diǎn)相結(jié)合，很好地克服了訓(xùn)練樣本特征知識(shí)數(shù)據(jù)的高維性、冗余性和特征變量之間相關(guān)性，以及類信息的不確定性等對(duì)模式識(shí)別效果的影響。 (3) 在模糊支持向量機(jī)的樣本模糊隸屬度的確定中，為了得到較為理想的隸屬度，論文采用模糊c均值算法