学位论文 > 优秀研究生学位论文题录展示
基于粗糙集的图像分类方法的研究
作 者: 李艳荣
导 师: 张雪峰
学 校: 东北大学
专 业: 运筹学与控制论
关键词: 图像分类 粗糙集 变精度粗糙集模型 贝叶斯粗糙集模型
分类号: TP391.41
类 型: 硕士论文
年 份: 2008年
下 载: 121次
引 用: 0次
阅 读: 论文下载
内容摘要
图像分类是信息处理的重要研究方向。本文对图像分类中所涉及的关键技术,包括图像特征提取,建立图像数据决策表,基于粗糙集理论的属性约简算法,规则约简算法,样本预测算法等内容进行了研究和探讨,最后通过实验与评估,获得了分类准确精度。粗糙集模型是由数学家Pawlak首先提出的一种用于处理模糊和不确定性知识的新型数学工具,随着对粗糙集研究的不断深入,粗糙集模型的局限性逐渐的显露出来,由于利用粗糙集处理的分类必须是完全正确或肯定的,这样致使大量有用信息在规则提取过程中丢失,于是,近年来许多学者从多方面对粗糙集模型进行推广,出现了变精度粗糙集模型、概率粗糙集模型、广义粗糙集模型、模糊粗糙集模型等。变精度粗糙集模型是在标准粗糙集模型中引入了正确分类率β,放松了对标准粗糙集模型近似边界的严格要求,增强了粗糙集模型的抗干扰能力和对新数据的预测能力。本文主要是基于变精度粗糙集模型及贝叶斯粗糙集模型,对图像分类问题进行了研究。全文首先介绍粗糙集理论研究概况,以及图像分类问题的研究现状,介绍标准粗糙集模型、信息系统、属性约简以及变精度粗糙集模型、贝叶斯粗糙集模型的基本概念。其次,主要讨论了基于颜色特征的图像分类问题,给出了常用的颜色空间及相互的转换方法,经典粗糙集分类模型的基础上利用变精度粗糙集模型,引入近似区分矩阵的概念,提出了一种基于颜色特征的图像分类模型及其分类算法,通过实例说明分类方法的有效性和可行性。再次,利用贝叶斯粗糙集模型,通过引入全局相对增益和贝叶斯区分矩阵,分别给出了两种属性约简算法,从全局相对增益的角度对属性重要度进行分析,并以此作为启发式信息给出贝叶斯粗糙集属性约简的启发式算法。引入贝叶斯区分矩阵,采用属性的出现频率与属性的长度作为启发因素,并以此给出了贝叶斯粗糙集属性约简的另外一种算法,最后提出了一种基于颜色特征的贝叶斯图像分类模型及其分类算法。实验结果表明贝叶斯粗糙集具有一定的实际应用价值,在图像分类问题上,贝叶斯粗糙集方法性能良好,分类准确和高效。
|
全文目录
摘要 5-6 ABSTRACT 6-10 第1章 绪论 10-18 1.1 课题研究背景及意义 10-11 1.2 图像分类问题的研究现状 11-15 1.2.1 图像特征提取的国内外研究现状 11-13 1.2.2 分类器的国内外研究现状 13-15 1.3 本文的知识简介 15-18 第2章 粗糙集理论介绍 18-26 2.1 粗糙集理论的基本概念 18-22 2.1.1 知识与知识库 18-19 2.1.2 不精确范畴,近似与粗糙集 19-20 2.1.3 知识约简 20-22 2.2 变精度粗糙集模型 22-23 2.3 贝叶斯粗糙集模型 23-26 第3章 基于颜色特征的图像分类相关知识 26-32 3.1 颜色的常用空间 26-29 3.1.1 RGB颜色空间 26-28 3.1.2 HSV颜色空间 28-29 3.2 颜色空间的转换 29-30 3.3 颜色特征的常用表示方法 30-31 3.4 图像分类模型 31-32 第4章 变精度粗糙集图像分类研究 32-46 4.1 图像的预处理 32-37 4.1.1 数据图像的规范化 32 4.1.2 颜色空间的转换 32-34 4.1.3 颜色的量化处理 34 4.1.4 图像颜色特征的提取 34-36 4.1.5 图像数据决策表的建立 36-37 4.2 图像数据决策表的处理 37-42 4.2.1 变精度粗糙集属性约简算法 37-38 4.2.2 决策规则约简算法 38-41 4.2.3 样品类别预测算法 41-42 4.3 算例分析与试验评估 42-45 4.3.1 算例 42-44 4.3.2 实验与评估 44-45 4.4 本章小结 45-46 第5章 贝叶斯粗糙集图像分类研究 46-56 5.1 贝叶斯粗糙集分类 46-52 5.1.1 贝叶斯粗糙集的性质 46-49 5.1.2 贝叶斯粗糙集属性约简 49-51 5.1.3 决策规则约简 51 5.1.4 样品类别预测 51-52 5.2 算例分析与实验评估 52-54 5.2.1 算例分析 52-53 5.2.2 实验与评估 53-54 5.3 本章小结 54-56 第6章 总结与展望 56-58 6.1 全文总结 56 6.2 图像分类研究展望 56-58 参考文献 58-62 致谢 62-64 攻读硕士学位期间发表的论文 64
|
相似论文
- 基于支持向量机的故障诊断方法研究,TP18
- 基于连锁图的QTL综合分析方法研究,S562
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 基于“词袋”模型的图像分类系统,TP391.41
- 粗糙集的增量式属性约简研究,TP18
- 基于粗糙集和模糊SVM的车牌识别技术研究,TP391.41
- 基于粗糙集理论的决策树分类算法与应用研究,TP18
- 基于核心示例集的属性约简方法研究,O159
- 基于学习与交互的本征图像求解方法研究,TP391.41
- 基于粗糙集和SVM的国防生综合素质测评方法研究,E075
- 基于内容的商品图像分类技术研究,TP391.41
- 票据图像分类的技术研究,TP391.41
- 基于广义组合多核高斯函数的图像分类方法研究,TP391.41
- 网络攻击效能评估若干关键技术研究,TP393.08
- 基于粗糙集理论的图像分割研究,TP391.41
- 建筑安全短期行为及其控制研究,TU714
- 支持向量机在矿区遥感监测图像分类中的应用研究,TP751
- 基于粗糙集的风景林景观美学评价,S759.5
- 基于粗糙集理论的快速属性约简算法研究,TP18
- 基于特征选择和支持向量机的纹理图像分类,TP391.41
- 工程量清单计价模式下的评标模型,F284
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|