基于支持向量机与粗糙集理论的信息处理

支持向量机(SVM)和粗糙集理论是近几年国际上研究的热点,在生物信息处理、模式识别等领域有广泛的应用.结合模糊集和支持向量机(SVM)提出了基于模糊集的支持向量机(FSSVM),然后对基于模糊集的支持向量机和粗糙集理论进行了详尽的分析、比较,最后通过实验比较得出将基于模糊集的支持向量机和粗糙集理论相结合是处理数据和信息的较好方案.     

基于RST和SVM的入侵检测系统

结合粗糙集理论和支持向量机的特点,构建了基于粗糙集理论和支持向量机的知识简化系统,针对入侵检测系统进行了研究分析,建立了基于粗糙集理论和支持向量机的入侵检测系统,最后通过仿真实验比较,其结果表明该系统有效改进了以往的入侵检测系统的。     

粗SVM理论及其在税收预测中的应用

粗糙集理论(RST)与支持向量机(SVM)作为模式识别,数据处理的有效工具,已成为机器学习的研究热点.结合粗糙集理论和支持向量机各自的特点,提出了基于粗SVM理论的相关关系预测算法,并运用到税收领域中,实验表明,该算法取得了良好的效果.     

时滞系统的鲁棒稳定性与BIBO稳定

根据Lyapunov稳定性的理论,研究了非线性扰动多时滞系统的稳定性,利用Lyapunov函数方法并结不等式的技巧分析了系统二次稳定性,运用Gronwall不等式分析了系统在闭环状态下的BIBO稳定,分别得到了系统稳定的充分条件,并且所得的结果推广了文献的有关内容。