雙變精度粗集模型及其在場景圖像分割中的應用.pdf

1、大數(shù)據(jù)新時代的到來直接催生了數(shù)據(jù)庫技術和計算機數(shù)據(jù)處理技術的快速發(fā)展，這就使得人們開始有能力對復雜、多樣、無序的海量數(shù)據(jù)進行處理，并希望能從這些數(shù)據(jù)中挖掘到潛在有價值的規(guī)則或者關系，以預測未來的發(fā)展趨勢。粗糙集作為一種處理不確定性問題的軟計算數(shù)學工具，在數(shù)據(jù)挖掘領域起著重要的作用。
　　針對經(jīng)典粗糙集模型在處理含噪聲不完備信息系統(tǒng)時魯棒性差的局限性，分別對經(jīng)典粗糙集的“?；焙汀氨平边M行了拓展，給出新的粒化逼近模型，并將該模型運

2、用到了場景圖像分割中。具體地，借助粗糙隸屬度的概念說明了Pawlak經(jīng)典粗糙集模型、Ziarko變精度粗糙集模型、Yao決策粗糙集模型之間的關系;給出了基于經(jīng)典粗糙集的后向貪心屬性約簡算法和基于經(jīng)典粗糙集的前向貪心屬性約簡算法，分析得出前向貪心屬性約簡算法更優(yōu)的結論;針對Ziarko變精度粗糙集模型，引入Beynon M近似屬性約簡的概念，在此基礎上，給出了基于變精度粗糙集的前向貪心近似屬性約簡算法。分析了調(diào)節(jié)基本知識粒大小的同時引入相

3、對錯誤分類度的必要性;結合系統(tǒng)屬性值的缺失定義了對象聯(lián)系度權值矩陣，以此為基礎提出了基于可變?nèi)莶铌P系的變精度粗糙集模型(Variable Precision RoughSet Model Based On Variable-Precision Tolerance Relation,VPRS-VPTR);接著討論了模型的性質(zhì)，分析了模型中相關參數(shù)（基本知識粒大小、相對錯誤分類度）對分類精度的影響，給出了分類精度隨模型中相關參數(shù)變化的求解算

4、法與時間復雜度分析;最后通過仿真實驗與相關研究的擴展粗糙集模型進行對比，結果顯示VPRS-VPTR分類精度更高，并針對UCI數(shù)據(jù)庫上的幾組不完備數(shù)據(jù)集進行仿真驗證，結果表明相同參數(shù)下各不完備數(shù)據(jù)集的測試集和訓練集分類精度變化趨勢相同，進而驗證了模型的有效性、靈活性及所提算法的可行性。針對VPRS-VPTR模型給出屬性約簡的新式啟發(fā)規(guī)則，即“約簡前后系統(tǒng)的屬性依賴度不降低保證系統(tǒng)分類能力不下降，約簡前后系統(tǒng)的正域相似性盡可能大保證系統(tǒng)的識