雙變精度粗集模型及其在場(chǎng)景圖像分割中的應(yīng)用.pdf

1、大數(shù)據(jù)新時(shí)代的到來直接催生了數(shù)據(jù)庫(kù)技術(shù)和計(jì)算機(jī)數(shù)據(jù)處理技術(shù)的快速發(fā)展，這就使得人們開始有能力對(duì)復(fù)雜、多樣、無序的海量數(shù)據(jù)進(jìn)行處理，并希望能從這些數(shù)據(jù)中挖掘到潛在有價(jià)值的規(guī)則或者關(guān)系，以預(yù)測(cè)未來的發(fā)展趨勢(shì)。粗糙集作為一種處理不確定性問題的軟計(jì)算數(shù)學(xué)工具，在數(shù)據(jù)挖掘領(lǐng)域起著重要的作用。
　　針對(duì)經(jīng)典粗糙集模型在處理含噪聲不完備信息系統(tǒng)時(shí)魯棒性差的局限性，分別對(duì)經(jīng)典粗糙集的“?；焙汀氨平边M(jìn)行了拓展，給出新的?；平Ｐ?，并將該模型運(yùn)

2、用到了場(chǎng)景圖像分割中。具體地，借助粗糙隸屬度的概念說明了Pawlak經(jīng)典粗糙集模型、Ziarko變精度粗糙集模型、Yao決策粗糙集模型之間的關(guān)系;給出了基于經(jīng)典粗糙集的后向貪心屬性約簡(jiǎn)算法和基于經(jīng)典粗糙集的前向貪心屬性約簡(jiǎn)算法，分析得出前向貪心屬性約簡(jiǎn)算法更優(yōu)的結(jié)論;針對(duì)Ziarko變精度粗糙集模型，引入Beynon M近似屬性約簡(jiǎn)的概念，在此基礎(chǔ)上，給出了基于變精度粗糙集的前向貪心近似屬性約簡(jiǎn)算法。分析了調(diào)節(jié)基本知識(shí)粒大小的同時(shí)引入相

3、對(duì)錯(cuò)誤分類度的必要性;結(jié)合系統(tǒng)屬性值的缺失定義了對(duì)象聯(lián)系度權(quán)值矩陣，以此為基礎(chǔ)提出了基于可變?nèi)莶铌P(guān)系的變精度粗糙集模型(Variable Precision RoughSet Model Based On Variable-Precision Tolerance Relation,VPRS-VPTR);接著討論了模型的性質(zhì)，分析了模型中相關(guān)參數(shù)（基本知識(shí)粒大小、相對(duì)錯(cuò)誤分類度）對(duì)分類精度的影響，給出了分類精度隨模型中相關(guān)參數(shù)變化的求解算

4、法與時(shí)間復(fù)雜度分析;最后通過仿真實(shí)驗(yàn)與相關(guān)研究的擴(kuò)展粗糙集模型進(jìn)行對(duì)比，結(jié)果顯示VPRS-VPTR分類精度更高，并針對(duì)UCI數(shù)據(jù)庫(kù)上的幾組不完備數(shù)據(jù)集進(jìn)行仿真驗(yàn)證，結(jié)果表明相同參數(shù)下各不完備數(shù)據(jù)集的測(cè)試集和訓(xùn)練集分類精度變化趨勢(shì)相同，進(jìn)而驗(yàn)證了模型的有效性、靈活性及所提算法的可行性。針對(duì)VPRS-VPTR模型給出屬性約簡(jiǎn)的新式啟發(fā)規(guī)則，即“約簡(jiǎn)前后系統(tǒng)的屬性依賴度不降低保證系統(tǒng)分類能力不下降，約簡(jiǎn)前后系統(tǒng)的正域相似性盡可能大保證系統(tǒng)的識(shí)