本文關鍵詞：粗糙集近似集的不確定性研究及其在圖像分割中的應用

  更多相關文章： 粗糙集 近似集 不確定性 屬性約簡 圖像分割

【摘要】：隨著信息技術與網絡技術的不斷發(fā)展,當今人類社會已進入大數(shù)據(jù)時代。隱藏在數(shù)據(jù)爆炸背后的知識急需發(fā)掘和獲取,而世界的不確定性又造就了目前更加紛繁復雜的多樣性數(shù)據(jù)。面對海量數(shù)據(jù)的極速增長,人們迫切需要透過數(shù)據(jù)的量變看到背后的質變,更需要從不確定信息中找到有效的信息處理工具和知識發(fā)現(xiàn)方法。作為一種經典的數(shù)據(jù)挖掘和知識發(fā)現(xiàn)工具,粗糙集已成為處理不確定性問題的重要理論模型。粗糙集理論以不分明關系為基礎定義上、下近似集,通過精確的方法來近似刻畫不確定目標概念,為解決不確定性問題提供了理論依據(jù)。粗糙集理論已在不確定性人工智能等各個方面的多個領域得到廣泛的應用并取得了顯著成果,但仍有一些問題值得進一步研究,如粗糙集本身缺乏對邊界域的進一步有效近似刻畫,未直接給出粗糙集的最優(yōu)近似集及其約簡算法,以及基于傳統(tǒng)粗糙集理論的圖像分割方法適用受限等問題,本文針對以上問題開展了如下幾方面研究工作:首先,針對粗糙集模型邊界域的刻畫問題,引入了粗糙集近似集模型,分別從代數(shù)觀和信息觀對粗糙集近似集的知識約簡方法進行分析討論。從代數(shù)觀的角度,提出了粗糙集近似集模型的分布約簡概念及其可辨識矩陣約簡方法,并從理論上證明了該約簡方法的完備性�；谛畔⒄撚^點給出了粗糙集近似集的信息熵概念和基于粗糙集近似集條件信息熵的屬性約簡算法。其次,定義了粗糙集近似集的模糊熵度量準則,通過討論近似集模糊熵的多粒度變化規(guī)律,提出了近似集的不確定性度量方法。從理論上證明了近似集的不確定性度量模型符合人腦基本認知規(guī)律。實驗結果表明了近似集知識獲取方法的可行性和有效性,進一步促進了粗糙集擴展模型和不確定性理論的研究發(fā)展。最后,在近似集不確定性理論研究的基礎上,開展了近似集圖像分割的實際應用研究。針對經典粗糙集圖像分割方法存在的局限性問題,基于粗糙集近似集理論模型,采用自適應�；椒ㄇ蠼鈭D像的最優(yōu)粒度,構建圖像的目標和背景上下近似集,再根據(jù)近似集思想對目標集合的邊界域進行進一步刻畫,同時結合粒子群算法提高求解粗糙集近似集最大粗糙熵的效率,最終得到圖像分割的最優(yōu)分割閾值,并通過仿真實驗和分割結果模糊熵定量評價結果,表明該方法具有可行性和有效性,進一步促進了近似集理論模型的研究發(fā)展和實際應用。
【關鍵詞】：粗糙集 近似集 不確定性 屬性約簡 圖像分割
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18;TP391.41
【目錄】：

• 摘要3-5
• Abstract5-9
• 第1章 引言9-15
• 1.1 論文選題背景及意義9-10
• 1.2 國內外研究現(xiàn)狀及存在的問題10-12
• 1.3 論文主要研究內容12
• 1.4 論文組織結構12-15
• 第2章 粗糙集近似集理論基礎知識15-25
• 2.1 粗糙集的基本概念15-17
• 2.2 粗糙集近似集的基本概念17-19
• 2.3 粗糙集的屬性約簡方法19-22
• 2.4 粗糙集的不確定性度量22-24
• 2.5 本章小結24-25
• 第3章 基于粗糙集近似集的不確定性知識獲取方法25-40
• 3.1 引言25-26
• 3.2 近似集的知識獲取方法26-32
• 3.2.1 近似集的代數(shù)觀約簡方法26-30
• 3.2.2 近似集的信息觀約簡方法30-32
• 3.3 近似集的不確定性度量方法32-36
• 3.4 對比實驗及分析36-38
• 3.5 本章小結38-40
• 第4章 基于粗糙集近似集的圖像分割方法40-51
• 4.1 引言40-41
• 4.2 粗糙集的圖像信息系統(tǒng)構建41-42
• 4.3 近似集粒度自適應圖像劃分42-44
• 4.4 近似集與粒子群的粗糙熵圖像分割方法44-45
• 4.5 實驗對比及分析45-50
• 4.6 本章小結50-51
• 第5章 總結及未來的工作51-53
• 5.1 全文總結51-52
• 5.2 未來工作52-53
• 參考文獻53-57
• 致謝57-58
• 攻讀碩士學位期間從事的科研工作及取得的成果58

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙雪梅;李玉;趙泉華;;結合高斯回歸模型和隱馬爾可夫隨機場的模糊聚類圖像分割[J];電子與信息學報;2014年11期

2 吳濤;;圖像閾值化的自適應粗糙熵方法[J];中國圖象圖形學報;2014年01期

3 李偉斌;高二;宋松和;;一種全局最小化的圖像分割方法[J];電子與信息學報;2013年04期

4 錢文彬;楊炳儒;徐章艷;張長勝;;基于信息熵的核屬性增量式高效更新算法[J];模式識別與人工智能;2013年01期

5 龍建武;申鉉京;陳海鵬;;自適應最小誤差閾值分割算法[J];自動化學報;2012年07期

6 張清華;王國胤;肖雨;;粗糙集的近似集[J];軟件學報;2012年07期

7 鄧廷權;盛春冬;;結合變精度粗糙熵和遺傳算法的圖像閾值分割方法[J];控制與決策;2011年07期

8 許新征;丁世飛;史忠植;賈偉寬;;圖像分割的新理論和新方法[J];電子學報;2010年S1期

9 王國胤;姚一豫;于洪;;粗糙集理論與應用研究綜述[J];計算機學報;2009年07期

10 王國胤;張清華;;不同知識粒度下粗糙集的不確定性研究[J];計算機學報;2008年09期

，

本文編號：1086807