基于粗糙集理論的協(xié)作式多屬性目標識別研究.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，對觀察對象的身份識別也演變?yōu)閷ο蟮母鞣N屬性的識別，或基于各種屬性識別的綜合識別，即目標識別(Target Recognition)。粗糙集理論是海量數(shù)據(jù)挖掘的理論工具，可以有效運用于目標識別，尤其是多屬性目標識別。 本文將粗糙集理論引入多屬性目標識別的研究，試圖改善目標識別系統(tǒng)的目標識別準確性以提高系統(tǒng)性能。 本論文以粗糙集理論知識為核心并結合屬性數(shù)學的知識

2、，建立了一種新的協(xié)作式多屬性目標識別模型，并對其進行了理論上的性能分析。主要內(nèi)容為： 1．本文將每個目標都視為一個由四元組構成的信息系統(tǒng)記為IS=｛U，A，V，f｝，該信息系統(tǒng)包含了目標的對象集合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聯(lián)函數(shù)f：f=｛fj｜fj：U→Vj，(1≤j≤m)｝。這種描述方式比以往簡單的1比特是或否的描述方式更為詳盡的體

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