联系人:
所在地: 河北保定市
利用计算机模拟人的推理行为,即模糊推理,历来是人工智能研究的热点领域。模糊推理以模糊集合论为描述工具,是不确定推理的一种,在人工智能发展中有重大意义。现有模糊推理方法大多是以推理合成规则为基础,该方法虽应用广泛,但缺乏严格的数学基础作为支撑。支持向量机(SVM)是以统计学习理论为基础的新的学习技术,其有完善的理论基础和良好表现。以SVM技术为基础,建立了一种新的模糊推理机制。研究内容主要包括:模糊数空间中SVM理论基础的建立。为在模糊数空间中建立SVM模型,课题组首先要解决理论基础问题,即模糊数空间中的样本可分性条件;模糊数空间中SVM模型的建立。在模糊数空间中寻找最优超平面,就要研究和建立相应的优化问题模型,即新的SVM模型;模糊推理问题的转化。为使SVM可以进行模糊推理,将模糊推理转化为分类问题和回归问题来处理。最终得到一个新的基于SVM的模糊推理方法。工程和技术研究与试验发展。