粗糙集約簡神經(jīng)網(wǎng)絡(luò)與CBR結(jié)合算法在昆蟲識別中的應(yīng)用研究.pdf

1、本文主要研究了將粗糙集 (Rough Set，RS) 約簡的神經(jīng)網(wǎng)絡(luò)(Neural Network)技術(shù)同基于事例推理 (Case-Based Reasoning，CBR) 技術(shù)相結(jié)合用于昆蟲的識別。神經(jīng)網(wǎng)絡(luò)技術(shù)和基于事例推理技術(shù)作為人工智能領(lǐng)域的代表技術(shù)，在人工智能的很多領(lǐng)域中各有其成功的應(yīng)用，但由于兩種技術(shù)本身的缺陷和客觀世界的復(fù)雜性，單獨應(yīng)用這些人工智能技術(shù)都不可避免的存在著局限性。因此，根據(jù)這兩種技術(shù)的特點，將兩者結(jié)合未嘗不是解

2、決其各自缺陷的方法，本文正是基于這一背景，對昆蟲識別領(lǐng)域中兩者的結(jié)合進行了研究。 基于神經(jīng)網(wǎng)絡(luò)的過程缺乏透明性，對于復(fù)雜系統(tǒng)效果不佳，而基于事例推理的方法，存在精度不高推理過程緩慢的缺點。針對這兩種方法的缺陷和其各自的特點，本文將兩者結(jié)合，并設(shè)計了具體的結(jié)合方案，即利用神經(jīng)網(wǎng)絡(luò)的模式匹配能力作為預(yù)分類器，對事例推理中的事例建立分類索引，指導事例的檢索，建立了RS-ANN-CBR模型(粗糙集約簡神經(jīng)網(wǎng)絡(luò)與基于事例推理相結(jié)合模型)。