13.3  模糊支持向量机理论

模糊支持向量机（FSVM）与传统支持向量机不同之处在于引入了模糊数学的理论。主要思想是通过对样本数据引入隶属度来实现。其中，各样本点隶属度的数值由隶属度函数来进行确定，而且不同的隶属度函数对于模糊支持向量机的分类结果的影响也是不同的。由于传统支持向量机是平等地对待所有的样本点的，对于位于分类边界处的点相当敏感，所以当训练数据中存在野值或者是噪声的时候，将对分类超平面产生很大的影响。所以我们引入隶属度函数来克服这个问题。

模糊支持向量机的概念主要有两种，下面将对这两种模糊支持向量机进行介绍。