基于粗糙集理论的协作式多属性目标识别研究

电子科技大学硕士学位论文基于粗糙集理论的协作式多属性目标识别研究姓名：李韬申请学位级别：硕士专业：密码学指导教师：周亮20090501基于粗糙集理论的协作式多属性目标识别研究作者：李韬学位授予单位：电子科技大学相似文献(10条)1.会议论文周芳芳.高翔粗糙集理论在水下目标识别中的应用2003本文将粗糙集理论用于四类典型的水下目标辐射噪声的分类实验,获得了较好的识别效果.基于粗集约简的最快融合算法能明显提高融合速度,在水下目标识别领域有广阔的应用前景.2.期刊论文孙东延.杨万海.陶建锋.SUNDong-yan.YANGWan-hai.TAOJian-feng粗糙集理论在多传感器目标识别中的应用-空军工程大学学报（自然科学版）2007,8(4)针对多传感器目标识别中存在的问题,提出了一种基于粗糙集理论的目标识别方法.该方法利用粗糙集理论对数据进行分析,通过决策系统的可辨识矩阵导出分类识别规则,建立目标识别规则库.实例分析表明,该方法的是可行的.3.期刊论文徐捷.徐从富.耿卫东.潘云鹤基于粗糙集理论的动态目标识别及跟踪-电子学报2002,30(4)在通信对抗中,通信电台及其装载平台的识别与跟踪一直是个非常困难的问题.本文提出了基于粗糙集理论的动态目标身份识别及其运行轨迹跟踪算法,并用实例对几种典型情况进行了详细的分析和讨论,实践表明这是粗糙集理论在数据融合领域的一个较为成功的应用.4.学位论文胡磊基于粗糙集理论的雷达目标高分辨距离像识别2008一种有效的雷达目标高分辨距离像(HRRP)识别方法需要具备从受到噪声污染的庞大数据库中挖掘隐含的、新颖的、具有潜在应用价值的信息的能力，这种能力正是新兴数据挖掘(DataMining)技术所具备的。作为一种目前被广泛应用且非常有前景的数据挖掘技术，粗糙集理论(RST)及其在各相关领域的应用受到了越来越多的关注，应用该理论挖掘HRRP所隐含的类别信息以支持识别也已成为HRRP自动识别新的研究方向。在此背景下，本文深入研究了基于粗糙集理论的雷达目标HRRP识别技术。总结起来，本文研究内容主要包括以下几个方面：第一章阐述了雷达自动目标识别技术的重要意义以及基于HRRP的雷达目标识别的独特优势，系统总结了HRRP识别的研究历史与现状。第二章系统介绍了标准粗糙集理论的基本概念、原理与方法。重点介绍了粗糙集理论的核心功能--知识约简，并给出了实现这一功能的两个基本概念--约简与核。根据HRRP识别的应用需要，系统总结了已有的约简求解算法，分析了求解HRRP约简所需注意的问题。第三章研究了应用标准粗糙集理论实现HILRP识别所需解决的一系列问题，包括数据预处理方法、约简求解算法、规则提取方法、规则融合方法。首先分析了数据分割的必要性，给出了一种分割策略；系统总结了已有的连续属性离散化技术，给出了一种适用于HRRP的属性离散化方法；提出了一种可求解多个约简的HRRP约简算法，通过该方法与数据分割技术的结合避免了求解所有约简的NP-hard问题；应用决策树分类器(C4.5分类器)和多数投票法分别解决了规则提取与规则融合问题。在此基础上，设计出基于标准粗糙集理论的HRRP识别系统，并通过仿真验证了该系统具有良好的识别率和较强的抗噪性能。第四章针对标准粗糙集理论不能直接处理连续值属性的缺陷，研究了如何应用改进的粗糙集理论来提高基于标准粗糙集理论的HRRP识别方法的性能，将连续值粗糙集理论应用于HRRP识别领域。重点研究了基于连续值粗糙集理论的属性约简和规则提取方法。提出了一种ε精度约简算法，即基于ε精度辨识矩阵的ε精度约简算法。ε精度约简能够使连续值信息系统在属性约简前后保持基于包含度的分类规则不变，基于ε精度辨识矩阵的ε精度约简算法能够求解多个ε精度约简；对标准粗糙集约简定义进行拓展，提出了一种新的基于连续值粗糙集的约简定义，并给出了一种可以求解多个此种约简的算法。根据两种约简的不同特点，分别采用基于包含度和基于C4.5分类器的规则提取算法与之对应，设计出两种基于连续值粗糙集理论的HRRP识别系统。仿真实验表明这两种系统的鲁棒性与识别时间均优于基于标准粗糙集理论的HRRP识别方法。第五章总结了全文所做的主要工作，并指出了今后需要完善和进一步深入研究的几个方面。5.期刊论文卜雪妮.邓胜利.BOXueni.DENGShengli粗糙集理论在雷达识别中的应用-电光与控制2009,16(11)基于粗糙集知识约简的思想,提出了一种雷达目标识别方法,该方法不仅能够找出雷达目标的有效特征集、降低目标识别的特征空间的雏数、减少目标识别的工作量,而且提高了目标的识别率.实践表明该方法是可行有效的.6.期刊论文周芳芳.高翔粗糙集理论在水下目标识别中的应用-声学技术2003,22(z2)1引言舰船目标辐射的水下噪声信号[1]包含有大量的目标信息,是被动声呐系统进行目标定位和识别的主要依据.本文从各类水下目标的辐射噪声中提取了四个有效的谱特征作为分类识别的依据,然后引入粗糙集(RoughSet)理论[2][3][4]的基本概念和理论,并将这些原理、算法运用到水下目标的融合识别中去,海上实录信号的分类实验结果令人满意.7.学位论文王晓丽一种混合结构的数据融合算法研究及在目标识别中的应用2004首先阐述了多传感器数据融合的基本原理、基本概念以及多传感器数据融合技术的优点、特点、应用背景.总结了数据融合的层次和模型结构形式,对常用的融合算法进行了总结和分类,并介绍了多传感器数据融合技术的发展和研究现状.其次给出了粗集理论的概念,并提出了使用粗集理论进行融合识别,以改善融合效果.8.期刊论文张敬忠.陈栋.窦维江.ZhangJingzhong.ChengDong.DouWeijiang基于粗糙集的炮兵地面目标识别特征量选取方法-计算机测量与控制2008,16(6)地面目标识别是炮兵侦察的主要内容之一,其关键在于目标特征量的选取;文章在Kohonen的自组织特征映射(SOM)方法基础上,同时结合概率分类方法,提出了一种最优分类器方法,并将其用于炮兵地面目标特征量的量化;采用粗糙集理论,实现了对经过量化后的目标特征量进行简化和优化,指导目标特征量的选取,为后续的使用学习机器更快更准确的识别目标提供重要的前提条件.9.学位论文潘巍多模态信息融合算法研究与系统分析2004当传统的信号处理技术难以满足复杂智能系统对信息的多层需求时，多模态信息融合技术便应运而生，并显示出了强大的信息处理能力。我们将研究的重点放在目标识别融合技术，是因为很多领域的问题都可以归属于目标分类和识别的范畴。此外，自动目标识别己成为当今世界各国军备发展的重点之一，而目标识别融合是实现自动目标识别的重要途径。所以，研究面向目标识别的多模态信息融合具有重要的理论和实践价值，其研究成果可广泛应用于军事和民用领域。本文的主要研究工作如下：1)提出了基于融合功能和信息层次的多模态信息融合的一般功能模型：FH模型，为信息融合领域的研究者提供了一个公共参考框架，并详细分析了多模态融合过程中信息的流向、信息流动时可能产生的融合层次及融合结构。2)针对目前较少文献研究D-S证据理论的决策规则的状况，提出基于Pignistic概率的多信度决策规则并设计了3种Pignistic概率转换方法，可以有效地提高决策的精度，减少后续融合过程的计算量，同时缓解了D-S证据理论潜在的指数复杂性问题。本文方法对其它基于信度、隶属度的理论同样有效。3)针对D-S证据理论中的证据冲突问题，提出了基于“交并集”和Pignistic概率的改进方法。证据融合顺序对融合结果没有影响，可以很方便地编程实现。4)提出了D-S证据理论中的基本概率分配的获取方法，解决了D-S证据理论应用于实际系统时，基本概率分配难以获取的问题。5)在粗糙集理论中，针对不完备信息系统，提出了基于差异关系和数据部分补齐的处理方法，并给出了相应的算法。6)探讨了粗糙集理论中最小决策规则的求取方法，提出决策依赖度的定义，并提出了三种减少计算复杂性的方案，使计算量大幅下降。本文方法可以直接应用于不完备信息系统，因此具有良好的实用价值。7)针对粗糙集理论只能处理离散数据的局限，提出了基于决策的剥离式连续属性离散化方法。离散化后的决策表总是相容的，这与目前很多离散方法不考虑决策相容性相比，能够最大限度地保留系统的有用信息。本文方法是领域独立的，可应用于不同领域的连续属性的离散化。8)以集装箱号码自动识别系统为例，通过基于产生式规则的预处理融合算法和基于神经网络与D-S证据理论相结合的多分类器融合，实现了多模态信息融合技术在实际系统中的应用。10.期刊论文白冬婴.马飞.张宏达.陈朝霞.BAIDONGYING.MAFEI.CHENZHAOXIA.ZHANGHONGDA基于粗糙集的神经网络的目标识别应用-微计算机信息2008,24(7)在现代防空作战中,如何快速准确的对敌我(友)目标进行识别,至关重要.本文提出先利用粗糙集理论对目标特征属性进行优化筛检,再利用神经网络对目标进行分类识别,该方法不但提高了识别的准确率而且兼顾到识别的效率.试验结果表明,该方法符合现代防空作战中目标识别的要求,具有一定的实用价值.本文链接：授权使用：东南大学图书馆(wfdndx)，授权号：6a5d71e5-ebd5-4660-a6fd-9e4e00b66c2d下载时间：2010年12月16日