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

1、自上世紀(jì)七十年代美國(guó)研究聲納信號(hào)理解系統(tǒng)后，數(shù)據(jù)融合技術(shù)作為一門(mén)新興的交叉學(xué)科產(chǎn)生并迅速發(fā)展起來(lái)了。多傳感器數(shù)據(jù)融合就是對(duì)來(lái)自多個(gè)傳感器的觀(guān)測(cè)數(shù)據(jù)進(jìn)行多方面、多層次的綜合處理。然而，當(dāng)今世界的飛速發(fā)展對(duì)數(shù)據(jù)融合技術(shù)提出了更高的要求，眾多學(xué)者紛紛投入研究不完備信息系統(tǒng)的數(shù)據(jù)融合技術(shù)，并使之成為該領(lǐng)域新的研究方向。
　　 粗糙集(Rough Set)理論是上世紀(jì)八十年代波蘭數(shù)學(xué)家Z.Pawlak提出的一種用于不確定知識(shí)分析的數(shù)學(xué)工具

2、。其主要思想是在保持分類(lèi)能力不變的情況下，利用等價(jià)類(lèi)，通過(guò)屬性約簡(jiǎn)和決策規(guī)則提取，從而達(dá)到簡(jiǎn)化知識(shí)的目的。而通過(guò)大量神經(jīng)元互相連接而成的人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是數(shù)據(jù)處理領(lǐng)域的又一個(gè)重要方法。它是模仿生物神經(jīng)系統(tǒng)而發(fā)展起來(lái)的，具有非線(xiàn)性映射能力、自適應(yīng)學(xué)習(xí)能力和容錯(cuò)能力。
　　 本文以目標(biāo)識(shí)別為背景，基于互補(bǔ)的思想，將變精度粗糙集和CPN神經(jīng)網(wǎng)絡(luò)相結(jié)合，構(gòu)造出基于變精度粗集-CP

3、N網(wǎng)絡(luò)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(yīng)用，并利用區(qū)分矩陣進(jìn)行屬性約簡(jiǎn)，得到?jīng)Q策規(guī)則。接著，引入多數(shù)包含關(guān)系對(duì)粗糙集模型進(jìn)行拓展，定義了一種變精度粗糙集模型，對(duì)傳統(tǒng)的區(qū)分矩陣進(jìn)行了改進(jìn)，得到一種新的變精度粗集下的區(qū)分矩陣，并進(jìn)行屬性約簡(jiǎn)。然后，針對(duì)多源數(shù)據(jù)具有高維的特點(diǎn)和BP網(wǎng)絡(luò)在解決此類(lèi)問(wèn)題中的缺陷，我們學(xué)習(xí)了C