Sugeno测度空间上的一类回归估计问题的界

在Sugeno测度空间上进一步探讨了统计学习理论.给出了Sugeno测度空间上gλ随机变量的条件期望的定义;在Sugeno测度空间上利用带加性噪声的观测数据,建立了一个由级数展开表达的回归估计模型,并针对此模型给出并证明了它的一个界.     

基于双重粗糙样本的统计学习理论的理论基础

本文介绍双重粗糙理论的基本内容;提出双重粗糙经验风险泛函,双重粗糙期望风险泛函,双重粗糙经验风险最小化原则等概念;最后证明基于双重粗糙样本的统计学习理论的关键定理并讨论学习过程一致收敛速度的界.为系统建立基于不确定样本的统计学习理论并构建相应的支持向量机奠定了理论基础.     

一种新的粗糙集模型及其应用

提出了一种新的基于区间直觉模糊关系和区间直觉模糊数的粗糙集模型.首先,介绍了区间直觉模糊集,区间直觉模糊关系和区间直觉模糊数等概念.然后,利用区间直觉模糊关系和区间直觉模糊数定义了一种新的粗糙集模型,并给出一些基本性质.最后将该模型应用于临床诊断系统中.实例验证了该粗糙集模型的有效性和实用性.     

基于包含度的模糊随机粗糙集模型

针对随机性与模糊性同时存在的情形,提出了建立在模糊随机近似空间上的基于包含度的模糊随机粗糙集模型.首先给出了模糊随机近似空间的概念,然后利用包含度提出了模糊随机近似空间上的一种基于模糊随机集的粗糙近似算子.最后讨论了这种近似算子的一些性质.     

基于模糊粗糙样本的统计学习理论的理论基础

介绍模糊粗糙理论的基本内容;提出模糊粗糙经验风险泛函,模糊粗糙期望风险泛函,模糊粗糙经验风险最小化原则等概念;最后证明基于模糊粗糙样本的统计学习理论的关键定理并构建学习过程一致收敛速度的界.