不确定数据的一个支持向量机分类方法

给出了输入数据含有不确定信息的一个支持向量机分类方法.通过未确知数理论,得到支持向量机分类的一个概率约束模型,然后通过一定方法将概率约束转化为一般约束,由此将给出的概率约束优化模型转化为一个确定性支持向量机分类模型,从而有效解决了含有不确定数据的分类计算问题.     

未确知度

本文首先指出了国际上同类研究的局限性和缺陷.在文[2,5]的基础上,提出了未确知度的概念。本文定义:当未确知信息用以评价“真元”在论域上的真实状态和数量关系时,信息的不充分和不精确程度,称之为未确知度。只有从未确知数整体上谈未确知度,才有意义。并提出了二层未知度的概念,从而克服了国际上同类研究的诸多矛盾,为未确知信息的数量化处理提供了基本手段。     

未确知数的顺序

王光远教授在文［１］中首先提出了未确知信息的概念，开辟了一个全新的研究领域，在文［３］中定义了未确知数及其四则运算，为未确知数学的建立奠定了理论基础，在文［４］的基础上给出了未确知数的心的概念，并利用心定义了未确知数的顺序，给出了未确知数的坐标表示法，证明了全体未确知数的集合Ｒ关于未确知顺序构成偏序集，但未确知数的顺序是实数顺序的推广。     

未确知测度和信比测度

文[2]首次提出了未确知性信息的基本概念及其数学处理途径,开辟了一个全新的研究领域.本文在[2]的基本上,提出了未确知测度和信比测度的概念,为未确知性信息的数学处理提出了一种测度式的理论框架.特别地,还证明了:如果基本空间X 是可数的,则未确知数{X,F(x)}的信比之和小于或等于1.在数值特征上揭示了未确知信息与随机性信息和模糊性信息的明显区别,从理论上证明了文[12]中给出的未确知性信息这一概念的合理性。     

未确知极限

本文在未确知集合中定义未确知距离,由此建立未确知空间概念,在未确知距离概念基础上定义未确知数列和一般未确知函数极限概念,并且建立极限的运算法则。     

全序型未确知数顺序

本文提出未确知数顺序的概念,并且研究了它的一些性质,最后给出全序型未确知数顺序。     

未确知信息及其数学处理

在本文中,“未确知信息”被定义为由于条件的限制,在进行决策时必须利用、但尚无法确知的信息,也就是说,它是由于决策者所掌握的证据尚不足以确定事物的真实状态和数量关系,而带来的纯主观的认识上的不确定性。本文指出,不确定性信息可以分为强和弱二类:随机性和模糊性是强不确定性信息;未确知性是弱不确定性信息。未确知性的“弱”表现在两方面;首先,当未确知性与随机性和模糊性共存时,它就被后二者所掩盖或包含;其次,当未确知性单独存在时,它可以用主观概率和主观隶属度来描述,也就是采用随机性和模糊性的表达方式来表达。这样,未确知性的数学处理就得到了极大的简化,主观概率分布和主观隶属度分布可统一为信比分布。文中给出了确定信比分布的途径。此外,本文还提出了“未确知数”的概念和定义。     

未确知有理数的概念与乘法运算

本文从实数的基本用法入手，引出了未确知有理数的概念，并给出了乘法运算。作为未确却有理数乘法运算的推广，引入了一般未确知数的乘法运算。     

经典未确知集合

文[1]中首先提出了未确知信息的概念及其数学处理方法,开创了一个全新的研究领域。在文[1]的基础上有了文[3],接着又有了文[4],本文在前文的基础上进一步由未确知信息问题引入“经典未确知集合”的概念,并进而研究了它的运算、性质以及它与Fuzzy集合的不同和关系,最后还给出了一个简单的应用实例。     

基于未确知信息河流突发性排污水质模型研究

基于河流环境系统信息的未确知性,运用未确知数学理论,建立了一维河流突发性排污的水质模型。该模型运用未确知数学理论进行了含有两个未确知参数的水质计算,不仅可以得到控制断面污染物浓度分布区间及其相应的可信度值,而且可以进行水质风险超标分析。实例研究表明,建立的未确知信息的水质模型是可靠的,可以用于河流水质治理工程的数值模拟研究和水环境评估。