基于模糊規(guī)則的粗集神經(jīng)網(wǎng)絡(luò)在遙感圖像分類中的應(yīng)用.pdf

1、粗糙集理論是用于處理不確定性和不完整性知識的一種數(shù)學(xué)工具,與具有強(qiáng)大的非線性映射能力、自學(xué)習(xí)、自適應(yīng)、聯(lián)想記憶能力以及容錯(cuò)能力的神經(jīng)網(wǎng)絡(luò)一起,成為不確定性計(jì)算領(lǐng)域的兩個(gè)重要的分支。由于粗糙集和神經(jīng)網(wǎng)絡(luò)在抗噪能力、泛化推廣能力等方面存在互補(bǔ)性,將兩者進(jìn)行結(jié)合的粗集神經(jīng)網(wǎng)絡(luò)在很大程度上解決了傳統(tǒng)智能集成系統(tǒng)存在的一些問題,更加符合人類的思維機(jī)理,有望成為當(dāng)今智能集成系統(tǒng)的主流技術(shù)之一,并且已經(jīng)在很多領(lǐng)域得到成功的應(yīng)用,具有廣闊的前景。

2、>　　由于遙感圖像的光譜信息極其豐富,而且經(jīng)常出現(xiàn)特征波段相互關(guān)聯(lián)的情況,同時(shí)普遍存在模糊不確定信息和粗糙不確定信息共存的情況,如果僅僅采用傳統(tǒng)的基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類方法,會(huì)造成結(jié)構(gòu)復(fù)雜、訓(xùn)練速度慢、泛化能力弱、分類精度低等問題。因此本文利用模糊聚類技術(shù)實(shí)現(xiàn)論域空間的模糊劃分,并通過粗糙集數(shù)據(jù)分析理論實(shí)現(xiàn)模糊規(guī)則提取,最終實(shí)現(xiàn)精簡的網(wǎng)絡(luò)構(gòu)建,提高遙感圖像分類性能。
　　文章首先分析了粗糙集理論在處理連續(xù)屬性方面的不足,提出一

3、種基于模糊聚類的論域劃分方法,該方法將模糊集理論引入粗糙集從而解決屬性離散化過程中的信息缺失問題。由于傳統(tǒng)聚類算法易于陷入局部最優(yōu),文章將帶交叉變異算子的粒子群優(yōu)化算法(PSO)與模糊C-均值聚類算法(FCM)相結(jié)合,研究了一種新的模糊聚類算法CMPSO-FCM,該算法具有良好的搜索能力和聚類效果。
　　然后在由模糊聚類算法CMPSO-FCM計(jì)算出的聚類中心和模糊隸屬度矩陣的基礎(chǔ)上,討論了兩種常見的屬性約簡算法:基于屬性依賴度和基

4、于信息熵的屬性約簡算法,并給出了提取模糊決策規(guī)則的主要步驟。最后,由獲取的規(guī)則實(shí)現(xiàn)粗集神經(jīng)網(wǎng)絡(luò)的構(gòu)建。
　　上述方法構(gòu)建的粗集神經(jīng)網(wǎng)絡(luò)模型在模式分類實(shí)驗(yàn)以及實(shí)際遙感圖像分類中得到應(yīng)用。對UCI數(shù)據(jù)庫中的數(shù)據(jù)集以及華盛頓地區(qū)的遙感圖像進(jìn)行分類的實(shí)驗(yàn)表明,和傳統(tǒng)方法設(shè)計(jì)的粗集神經(jīng)網(wǎng)絡(luò)相比,本文方法具有更精簡的結(jié)構(gòu)、更好的分類精度和泛化能力,具有較好的應(yīng)用價(jià)值和前景。
　　最后總結(jié)了全文的主要研究內(nèi)容和成果,對當(dāng)前還未深入探討、今