粗集理論在信息融合目標識別系統(tǒng)中的應用研究.pdf

1、本文以信息融合目標識別技術(shù)為研究背景，針對不同的傳感器受工作條件所限，相同目標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別性能較低等問題，探索了多信息源條件下獲取有用信息和提取知識的有效方法和實現(xiàn)技術(shù)，研究并討論了如何有效的使用多源信息來提高目標的識別率，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，知識表達，屬性約簡、規(guī)則模型建立、增量學習、以及基于BP和RBF網(wǎng)絡(luò)的粗神經(jīng)網(wǎng)絡(luò)系統(tǒng)等研究內(nèi)容。圍

2、繞這些問題，本文開展了以下工作：研究了基于粗集理論的知識簡化和知識表達系統(tǒng)，包括粗集的基本概念、屬性約簡，規(guī)則生成與簡化，其中重點研究了當前各種屬性約簡算法，考慮到圖象處理的實時性，論文提出了一種快速屬性約簡算法，以克服算法時間復雜度較大的缺點。針對多傳感器融合中遇到的問題以及現(xiàn)有技術(shù)的不足，提出利用粗集理論來建立數(shù)據(jù)融合目標識別規(guī)則模型，在無對象模型和先驗知識的情況下，根據(jù)現(xiàn)有數(shù)據(jù)本身來構(gòu)建融合對象的規(guī)則模型，建立了目標識別的規(guī)則知識

3、庫，并引入規(guī)則可信度和規(guī)則支持度的概念對規(guī)則的分類能力進行評估。針對圖象處理目標識別過程中，實時性要求較高，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識別規(guī)則模型的過程中引入增量學習，加速了算法處理過程，提高了運算效率。針對粗集理論和神經(jīng)網(wǎng)絡(luò)各自的特點，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)學習機制引入到粗集系統(tǒng)；同時通過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BP網(wǎng)絡(luò)的缺點和局限,研