鄰域粗糙集約簡算法及在場景圖像目標檢測中的應用.pdf

1、現(xiàn)在是一個大數(shù)據(jù)時代，而且每時每刻都在產(chǎn)生新數(shù)據(jù)，如何高效的從數(shù)據(jù)中挖掘出有價值的信息已經(jīng)成為一個熱門研究。粗糙集以其挖掘知識的客觀性，被廣泛應用于數(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)典粗糙集擴展到鄰域粗糙集。
　　為了高效的處理動態(tài)數(shù)據(jù)，本文從鄰域粗糙集的信息觀出發(fā)，主要創(chuàng)新點如下:
　　(1)在鄰域粗糙集中，通過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。因此計算屬性重要度時，減少了在原條件屬性基礎上增加一個屬性后條件熵的計算時間。并找到了鄰域系統(tǒng)下條件熵和正域的關系，得到其性質和定理，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算法。
　　(2)針對實際數(shù)據(jù)的動態(tài)性，樣本增加后，原約簡集可能已不再有效，需要對其動態(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)，詳細分析了增加樣本后，條件熵的變化機制，以及其對約簡集的影響規(guī)律，發(fā)現(xiàn)只有新增樣本不一致鄰域中的樣本才會引起條件熵的變化，相繼引起了約簡集的變化。提出了一種信息觀下增量式屬性約簡算法，該算法只需針對新增樣本及其不一致鄰域進行約簡，有效地避免了重復約簡，從而快速求得更新后的約簡集。
　　(3)將本文提出的屬性約簡算法應用到場景圖像目標檢測的特征選擇中，針對Hog高維特征的特點，分析提取Hog特征的原理，通過級