變精度粗神經(jīng)網(wǎng)絡數(shù)據(jù)融合方法的研究.pdf

1、自上世紀七十年代美國研究聲納信號理解系統(tǒng)后，數(shù)據(jù)融合技術作為一門新興的交叉學科產(chǎn)生并迅速發(fā)展起來了。多傳感器數(shù)據(jù)融合就是對來自多個傳感器的觀測數(shù)據(jù)進行多方面、多層次的綜合處理。然而，當今世界的飛速發(fā)展對數(shù)據(jù)融合技術提出了更高的要求，眾多學者紛紛投入研究不完備信息系統(tǒng)的數(shù)據(jù)融合技術，并使之成為該領域新的研究方向。
　　 粗糙集(Rough Set)理論是上世紀八十年代波蘭數(shù)學家Z.Pawlak提出的一種用于不確定知識分析的數(shù)學工具

2、。其主要思想是在保持分類能力不變的情況下，利用等價類，通過屬性約簡和決策規(guī)則提取，從而達到簡化知識的目的。而通過大量神經(jīng)元互相連接而成的人工神經(jīng)網(wǎng)絡(Artificial Neural Network，ANN)是數(shù)據(jù)處理領域的又一個重要方法。它是模仿生物神經(jīng)系統(tǒng)而發(fā)展起來的，具有非線性映射能力、自適應學習能力和容錯能力。
　　 本文以目標識別為背景，基于互補的思想，將變精度粗糙集和CPN神經(jīng)網(wǎng)絡相結合，構造出基于變精度粗集-CP

3、N網(wǎng)絡的數(shù)據(jù)融合模型，并用于多傳感器信息系統(tǒng)中的不完備數(shù)據(jù)處理。所做的主要工作如下：
　　 從經(jīng)典粗糙集入手，介紹了粗糙集理論的基本概念及其在數(shù)據(jù)融合中的應用，并利用區(qū)分矩陣進行屬性約簡，得到?jīng)Q策規(guī)則。接著，引入多數(shù)包含關系對粗糙集模型進行拓展，定義了一種變精度粗糙集模型，對傳統(tǒng)的區(qū)分矩陣進行了改進，得到一種新的變精度粗集下的區(qū)分矩陣，并進行屬性約簡。然后，針對多源數(shù)據(jù)具有高維的特點和BP網(wǎng)絡在解決此類問題中的缺陷，我們學習了C