学位论文 > 优秀研究生学位论文题录展示
基于模糊粗糙集的识别技术及其应用研究
作 者: 周雪
导 师: 张伟
学 校: 电子科技大学
专 业: 信号与信息处理
关键词: 模糊粗糙集 模糊化 属性约简 模糊C均值 条件熵
分类号: TP18
类 型: 硕士论文
年 份: 2013年
下 载: 23次
引 用: 0次
阅 读: 论文下载
内容摘要
近年来,随着科学技术的发展,获取的目标信息越发膨胀、复杂。面对这种信息量大、信息模糊的环境,对目标进行准确识别就变得越发困难和重要。而模糊粗糙集能有效地从这种不确定、不精确信息中发现隐含知识及分类规则。所以,本论文采用模糊粗糙集的方法对目标进行识别,主要工作如下:首先介绍了粗糙集及模糊粗糙集的基本概念。其次深入分析并研究了基于模糊粗糙集识别技术中的两个核心步骤:属性模糊化和属性约简。对于属性模糊化,针对基于模糊C均值聚类(fuzzy c-means clustering: FCM)的模糊化方法易受孤立点影响的问题,提出了一种基于改进FCM的模糊化方法,实验表明该方法可以获得更准确的模糊化结果。然后对基于FCM的模糊化方法作了进一步分析,针对FCM需人为指定类别数目,且对初始聚类中心敏感的问题,提出了一种自适应的FCM(adaptive fcm: AFCM)模糊化方法,实验证明该方法不仅能自动调整每个条件属性的类别数目,并获得决策表的一个最优划分;而且在划分的过程中还可以提高收敛速度。对于属性约简,介绍并分析了目前常用的模糊粗糙集约简算法QuickReduct,该算法是建立在代数观点上的,直观性比较差、使人不易理解。为了将信息论的观点引入到模糊粗糙集中,本文对粗糙集中的条件熵进行了改写,从而提出了一种基于模糊粗糙集条件熵(fuzzy rough sets condition entropy: FRCE)的约简算法。实验证明,相比QuickReduct,FRCE能够找到一个更小的约简集合,且约简时间更少。最后,在上述研究成果的基础上,设计了基于模糊粗糙集的SAR识别系统,并将其应用于MSTAR数据库中SAR图像的识别。识别实验表明,该识别系统是可行的,且有效的。其中采用AFCM算法和FRCE约简算法结合的方法,得到的正确识别率明显高于普通结合的方法。
|
全文目录
摘要 5-6 ABSTRACT 6-11 第一章 绪论 11-16 1.1 课题研究背景及意义 11-12 1.2 模式识别技术的研究现状 12-13 1.3 基于模糊粗糙集的识别技术 13-15 1.4 论文研究内容及结构安排 15-16 第二章 粗糙集及模糊粗糙集的基本概念 16-26 2.1 引言 16 2.2 粗糙集理论 16-21 2.2.1 知识与分类 16-17 2.2.2 近似集与粗糙集 17-18 2.2.3 信息系统和决策表 18-19 2.2.4 属性的约简与核 19-20 2.2.5 属性的依赖性和重要性 20-21 2.2.6 决策规则 21 2.3 模糊集理论 21-23 2.3.1 模糊集的定义及其表示法 21-22 2.3.2 模糊集的关系和运算 22 2.3.3 模糊集的隶属函数 22-23 2.4 模糊粗糙集 23-25 2.4.1 模糊决策表 23-24 2.4.2 模糊粗糙集的基本概念 24-25 2.5 本章小结 25-26 第三章 模糊粗糙集中的模糊化方法研究 26-45 3.1 引言 26 3.2 属性模糊化及其方法 26-29 3.2.1 模糊化的特点 26-27 3.2.2 模糊化方法的描述及分析 27-29 3.3 基于模糊 C 均值聚类的模糊化方法 29-33 3.3.1 模糊 C 均值聚类过程 29-31 3.3.2 实例分析 31-33 3.4 基于改进的模糊 C 均值聚类的模糊化方法 33-36 3.5 对基于模糊 C 均值聚类的模糊化方法的进一步分析 36-38 3.6 基于自适应模糊 C 均值聚类的模糊化方法 38-44 3.6.1 决策表的不相容度 38-39 3.6.2 属性间的相关性 39-40 3.6.3 聚类中心的初始化 40-41 3.6.4 基于自适应模糊 C 均值聚类的模糊化方法 41-42 3.6.5 实例分析 42-44 3.7 本章小结 44-45 第四章 模糊粗糙集中属性约简方法的研究 45-57 4.1 引言 45 4.2 粗糙集中的启发式约简算法 45-48 4.2.1 基于 PAWLAK属性重要性的属性约简 46-47 4.2.2 基于互信息的属性约简 47-48 4.3 QUICKREDUCT 算法 48-51 4.3.1 QUICKREDUCT约简过程 49 4.3.2 实例分析 49-51 4.4 一种基于模糊粗糙集条件熵的属性约简算法 51-56 4.4.1 条件熵的推导 51-52 4.4.2 算法流程 52-53 4.4.3 实例分析 53-56 4.5 本章小结 56-57 第五章 基于模糊粗糙集的SAR识别系统 57-72 5.1 引言 57-58 5.2 系统结构概述 58-63 5.2.1 特征提取 58-61 5.2.2 模糊粗糙集分类器设计 61-62 5.2.3 分类决策 62-63 5.3 系统的工作流程 63 5.4 系统的工作界面 63-67 5.5 系统测试 67-71 5.5.1 MSTAR 数据库 67-68 5.5.2 实验及结果分析 68-71 5.6 本章小结 71-72 第六章 总结与展望 72-74 致谢 74-75 参考文献 75-79 攻硕期间取得的成果 79-80
|
相似论文
- 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于粗糙集的城市区域交通绿时控制系统研究,TP18
- 粗糙集的增量式属性约简研究,TP18
- 知识粒度的计算及其在属性约简中的应用研究,TP18
- 基于模糊区分矩阵的区间信息系统属性约简,O159
- 大样本支持向量机研究,TP18
- 基于变精度粗糙集的约简算法研究与应用,TP18
- 基于改进区分矩阵的属性约简算法研究与应用,TP18
- 基于粗糙集理论的决策信息系统属性约简算法研究,TP18
- 基于粗糙集与Apriori CRS算法的入侵检测方法的研究,TP393.08
- 基于差分进化算法的两种模糊联合补货模型研究,F224
- 粗糙集与模糊粗糙集属性约简算法研究,TP18
- 模糊拟序关系下的模糊粗糙集,O159
- 模糊粗糙集属性约简及多模糊决策树分类器融合,TP18
- 基于马尔科夫随机场D-S证据理论对人脑图像的分割研究,TP391.41
- 中国对外贸易生态环境预警系统研究,F205;F224
- 基于k阶关系的直觉模糊粗糙集,O159
- 邻域粗糙集及其基于邻域粗糙集的分类算法,TP18
- 演化聚类算法及其应用研究,TP311.13
- 基于信息熵的粗糙集理论的研究和应用,TP18
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|