鄰域粗糙集約簡(jiǎn)算法及在場(chǎng)景圖像目標(biāo)檢測(cè)中的應(yīng)用.pdf

1、現(xiàn)在是一個(gè)大數(shù)據(jù)時(shí)代，而且每時(shí)每刻都在產(chǎn)生新數(shù)據(jù)，如何高效的從數(shù)據(jù)中挖掘出有價(jià)值的信息已經(jīng)成為一個(gè)熱門(mén)研究。粗糙集以其挖掘知識(shí)的客觀性，被廣泛應(yīng)用于數(shù)據(jù)挖掘中。由于經(jīng)典粗糙集只能處理離散型數(shù)據(jù)的局限性，胡清華將經(jīng)典粗糙集擴(kuò)展到鄰域粗糙集。
　　為了高效的處理動(dòng)態(tài)數(shù)據(jù)，本文從鄰域粗糙集的信息觀出發(fā)，主要?jiǎng)?chuàng)新點(diǎn)如下:
　　(1)在鄰域粗糙集中，通過(guò)分析論域下某樣本鄰域中其他樣本與該樣本決策屬性值的異同，定義了不一致鄰域矩陣。研究

2、發(fā)現(xiàn)，在現(xiàn)有條件屬性基礎(chǔ)上，利用不一致鄰域矩陣可以縮小屬性增加后的搜索范圍。因此計(jì)算屬性重要度時(shí)，減少了在原條件屬性基礎(chǔ)上增加一個(gè)屬性后條件熵的計(jì)算時(shí)間。并找到了鄰域系統(tǒng)下條件熵和正域的關(guān)系，得到其性質(zhì)和定理，它們可以加快算法的收斂速度，因此提出了一種信息觀下基于不一致鄰域矩陣的屬性約簡(jiǎn)算法。
　　(2)針對(duì)實(shí)際數(shù)據(jù)的動(dòng)態(tài)性，樣本增加后，原約簡(jiǎn)集可能已不再有效，需要對(duì)其動(dòng)態(tài)更新。鄰域決策系統(tǒng)中現(xiàn)有的增量算法都是從代數(shù)觀下分析其變化

3、情況，本文從信息觀出發(fā)，詳細(xì)分析了增加樣本后，條件熵的變化機(jī)制，以及其對(duì)約簡(jiǎn)集的影響規(guī)律，發(fā)現(xiàn)只有新增樣本不一致鄰域中的樣本才會(huì)引起條件熵的變化，相繼引起了約簡(jiǎn)集的變化。提出了一種信息觀下增量式屬性約簡(jiǎn)算法，該算法只需針對(duì)新增樣本及其不一致鄰域進(jìn)行約簡(jiǎn)，有效地避免了重復(fù)約簡(jiǎn)，從而快速求得更新后的約簡(jiǎn)集。
　　(3)將本文提出的屬性約簡(jiǎn)算法應(yīng)用到場(chǎng)景圖像目標(biāo)檢測(cè)的特征選擇中，針對(duì)Hog高維特征的特點(diǎn)，分析提取Hog特征的原理，通過(guò)級(jí)