粗集理論在信息融合目標(biāo)識(shí)別系統(tǒng)中的應(yīng)用研究.pdf

1、本文以信息融合目標(biāo)識(shí)別技術(shù)為研究背景，針對(duì)不同的傳感器受工作條件所限，相同目標(biāo)的單傳感器的特征信息有較大的不確定性以及單一傳感器識(shí)別性能較低等問(wèn)題，探索了多信息源條件下獲取有用信息和提取知識(shí)的有效方法和實(shí)現(xiàn)技術(shù)，研究并討論了如何有效的使用多源信息來(lái)提高目標(biāo)的識(shí)別率，引入了粗集理論以及粗集和神經(jīng)網(wǎng)絡(luò)相結(jié)合技術(shù)，著重討論了信息融合中信息的提取，知識(shí)表達(dá)，屬性約簡(jiǎn)、規(guī)則模型建立、增量學(xué)習(xí)、以及基于BP和RBF網(wǎng)絡(luò)的粗神經(jīng)網(wǎng)絡(luò)系統(tǒng)等研究?jī)?nèi)容。圍

2、繞這些問(wèn)題，本文開(kāi)展了以下工作：研究了基于粗集理論的知識(shí)簡(jiǎn)化和知識(shí)表達(dá)系統(tǒng)，包括粗集的基本概念、屬性約簡(jiǎn)，規(guī)則生成與簡(jiǎn)化，其中重點(diǎn)研究了當(dāng)前各種屬性約簡(jiǎn)算法，考慮到圖象處理的實(shí)時(shí)性，論文提出了一種快速屬性約簡(jiǎn)算法，以克服算法時(shí)間復(fù)雜度較大的缺點(diǎn)。針對(duì)多傳感器融合中遇到的問(wèn)題以及現(xiàn)有技術(shù)的不足，提出利用粗集理論來(lái)建立數(shù)據(jù)融合目標(biāo)識(shí)別規(guī)則模型，在無(wú)對(duì)象模型和先驗(yàn)知識(shí)的情況下，根據(jù)現(xiàn)有數(shù)據(jù)本身來(lái)構(gòu)建融合對(duì)象的規(guī)則模型，建立了目標(biāo)識(shí)別的規(guī)則知識(shí)

3、庫(kù)，并引入規(guī)則可信度和規(guī)則支持度的概念對(duì)規(guī)則的分類能力進(jìn)行評(píng)估。針對(duì)圖象處理目標(biāo)識(shí)別過(guò)程中，實(shí)時(shí)性要求較高，圖象數(shù)據(jù)也較大，我們提出在利用粗集理論建立圖象目標(biāo)識(shí)別規(guī)則模型的過(guò)程中引入增量學(xué)習(xí)，加速了算法處理過(guò)程，提高了運(yùn)算效率。針對(duì)粗集理論和神經(jīng)網(wǎng)絡(luò)各自的特點(diǎn)，研究了粗集和神經(jīng)網(wǎng)絡(luò)的關(guān)系，提出將神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)制引入到粗集系統(tǒng)；同時(shí)通過(guò)粗集的條件和決策屬性構(gòu)造神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),研究了基于BP網(wǎng)絡(luò)的粗神經(jīng)網(wǎng)絡(luò)算法，并針對(duì)BP網(wǎng)絡(luò)的缺點(diǎn)和局限,研