基于粗糙集理論的協(xié)作式多屬性目標(biāo)識(shí)別研究.pdf

1、任何事物都可以由其所具有的特定屬性來表示并同其它事物予以區(qū)分，對(duì)觀察對(duì)象的身份識(shí)別也演變?yōu)閷?duì)對(duì)象的各種屬性的識(shí)別，或基于各種屬性識(shí)別的綜合識(shí)別，即目標(biāo)識(shí)別(Target Recognition)。粗糙集理論是海量數(shù)據(jù)挖掘的理論工具，可以有效運(yùn)用于目標(biāo)識(shí)別，尤其是多屬性目標(biāo)識(shí)別。 本文將粗糙集理論引入多屬性目標(biāo)識(shí)別的研究，試圖改善目標(biāo)識(shí)別系統(tǒng)的目標(biāo)識(shí)別準(zhǔn)確性以提高系統(tǒng)性能。 本論文以粗糙集理論知識(shí)為核心并結(jié)合屬性數(shù)學(xué)的知識(shí)

2、，建立了一種新的協(xié)作式多屬性目標(biāo)識(shí)別模型，并對(duì)其進(jìn)行了理論上的性能分析。主要內(nèi)容為： 1．本文將每個(gè)目標(biāo)都視為一個(gè)由四元組構(gòu)成的信息系統(tǒng)記為IS=｛U，A，V，f｝，該信息系統(tǒng)包含了目標(biāo)的對(duì)象集合U：U=｛x1，x2，…，xn｝，屬性集合C：C=｛α｜α∈C｝屬性值域V：V=∪Vj，(1≤j≤m)以及屬性和屬性值的關(guān)聯(lián)函數(shù)f：f=｛fj｜fj：U→Vj，(1≤j≤m)｝。這種描述方式比以往簡(jiǎn)單的1比特是或否的描述方式更為詳盡的體

3、現(xiàn)了目標(biāo)的屬性特征，為目標(biāo)識(shí)別提供了充分的數(shù)據(jù)來源。 2．本文的目標(biāo)識(shí)別思想包括：根據(jù)每次特定任務(wù)的不同需求，我們使用粗糙集理論知識(shí)約簡(jiǎn)目標(biāo)的屬性與屬性值。并提出以刪減屬性后目標(biāo)分類數(shù)減少的個(gè)數(shù)來衡量屬性的重要度。根據(jù)屬性重要度的不同對(duì)屬性賦加權(quán)值，以加權(quán)和值最小代價(jià)準(zhǔn)則為目標(biāo)識(shí)別的判斷依據(jù)。 3．在信噪比為5dB的AWGN信道背景中進(jìn)行仿真中，本文給出的三種算法識(shí)別錯(cuò)誤概率都遠(yuǎn)遠(yuǎn)低于直接傳輸?shù)淖R(shí)別概率，以此證明本文建立