变精度粗神经网络数据融合方法的研究

来源 :大连海事大学 | 被引量 : 0次 | 上传用户:icetqq
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
自上世纪七十年代美国研究声纳信号理解系统后,数据融合技术作为一门新兴的交叉学科产生并迅速发展起来了。多传感器数据融合就是对来自多个传感器的观测数据进行多方面、多层次的综合处理。然而,当今世界的飞速发展对数据融合技术提出了更高的要求,众多学者纷纷投入研究不完备信息系统的数据融合技术,并使之成为该领域新的研究方向。   粗糙集(Rough Set)理论是上世纪八十年代波兰数学家Z.Pawlak提出的一种用于不确定知识分析的数学工具。其主要思想是在保持分类能力不变的情况下,利用等价类,通过属性约简和决策规则提取,从而达到简化知识的目的。而通过大量神经元互相连接而成的人工神经网络(Artificial Neural Network,ANN)是数据处理领域的又一个重要方法。它是模仿生物神经系统而发展起来的,具有非线性映射能力、自适应学习能力和容错能力。   本文以目标识别为背景,基于互补的思想,将变精度粗糙集和CPN神经网络相结合,构造出基于变精度粗集-CPN网络的数据融合模型,并用于多传感器信息系统中的不完备数据处理。所做的主要工作如下:   从经典粗糙集入手,介绍了粗糙集理论的基本概念及其在数据融合中的应用,并利用区分矩阵进行属性约简,得到决策规则。接着,引入多数包含关系对粗糙集模型进行拓展,定义了一种变精度粗糙集模型,对传统的区分矩阵进行了改进,得到一种新的变精度粗集下的区分矩阵,并进行属性约简。然后,针对多源数据具有高维的特点和BP网络在解决此类问题中的缺陷,我们学习了CPN网络的结构,并研究了该网络的学习算法。最后,在分析粗糙集和神经网络优缺点的基础上,研究了基于变精度粗糙集理论和CPN网络相结合的数据融合方法:先利用变精度粗糙集对多源数据进行属性约简,得到决策规则后输入至CPN网络进行训练。从而大大缩减了CPN网络的输入规模,提高了整个融合系统的效率。
其他文献
幻方可追溯到4000多年前的“洛书”,是组合设计的研究对象之一.幻方在图像信息处理技术等方面有重要的应用[31].对于幻方,前人已经做了大量的工作[1,7-9],而对幻方作系统研究
在最近十年,多智能体系统的一致问题由于在多个领域的潜在应用,得到了大量的关注。现存的一致问题可分为两类:带有一个领导者的一致,也称作主从一致或是分布式跟踪;不带领导者的一
本文主要讨论具有某种特殊传递性的区组设计的分类和构造问题.全文由七章组成.   在第一章中,我们对群与设计的历史背景和研究现状进行了比较全面的综述.在第二章中,我们