1、在現(xiàn)實生活中，模式識別問題，特別是多態(tài)模式識別問題覆蓋領(lǐng)域十分廣泛，如醫(yī)學研究中疾病的診斷、健康檢查，公安偵破中指紋識別、面部識別，電力系統(tǒng)、通訊系統(tǒng)、交通系統(tǒng)等許多大型復雜系統(tǒng)的故障診斷等問題，都可歸結(jié)為模式識別問題。但是，在建立多態(tài)模式識別數(shù)學模型時，常常遇見特征指標眾多，指標間存在多重相關(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題，這致使模式識別模型的參數(shù)估計受到嚴重影響，模型誤差擴大，模型的穩(wěn)健性受到破壞。

2、 基于統(tǒng)計學習理論的支持向量機方法，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別問題中表現(xiàn)出獨特的優(yōu)勢和良好的應用前景。但是基本的支持向量機是基于兩分類問題提出的，關(guān)于在多態(tài)模式識別支持向量機的研究成果較少。因此，基于高維小樣本數(shù)據(jù)的支持向量機多念統(tǒng)計模式識別模型與方法研究具有顯著的學術(shù)價值和重要實用價值。 論文在對模式識別、支持向量機基本理論和偏最小二乘方法深入研究的基礎(chǔ)上，針對模式識別中訓練樣

3、本特征知識數(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推廣到多態(tài)模式識別問題，提出了一種基于偏最小二乘的模糊支持向量機模型。論文的主要研究內(nèi)容和取得的成果如下： (1)在對國內(nèi)外模式識別方法的研究現(xiàn)狀分析的基礎(chǔ)上，系統(tǒng)學習、研究了分類前沿技術(shù)——支持向量機的基本理論和方法，探討了模糊支持向量機和數(shù)據(jù)約簡方

4、法——偏最小二乘方法的思想和原理，為多態(tài)模糊模式識別問題的研究奠定了堅實的基礎(chǔ)。 (2)提出了一種新的多態(tài)模式識別模型——基于偏最小二乘的模糊支持向量機識別模型。該模型將偏最小二乘和模糊支持向量機的優(yōu)點相結(jié)合，很好地克服了訓練樣本特征知識數(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模式識別效果的影響。 (3) 在模糊支持向量機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