信息觀下屬性約簡(jiǎn)算法及在場(chǎng)景圖像特征提取中的應(yīng)用.pdf

1、隨著IT行業(yè)的迅速發(fā)展，我們已經(jīng)進(jìn)入了“大數(shù)據(jù)”時(shí)代，生活中每天都會(huì)有大量的數(shù)據(jù)，而且數(shù)據(jù)處于不斷更新、不斷增長(zhǎng)的狀態(tài)，例如語(yǔ)音、文字、圖像、視頻等信息。如何快速有效的從這些數(shù)據(jù)信息中挖掘出重要的知識(shí)已經(jīng)成為當(dāng)前比較熱門的研究。粗糙集作為一種挖掘知識(shí)的工具，能夠應(yīng)用在各類知識(shí)發(fā)掘中。但傳統(tǒng)粗糙集存在不足，它只能夠處理離散性數(shù)據(jù)，所以有學(xué)者在此基礎(chǔ)上將傳統(tǒng)粗糙集進(jìn)行改進(jìn)，引入鄰域粗糙集模型，該模型擴(kuò)展了粗糙集理論的應(yīng)用領(lǐng)域，其核心符合人類

2、的思維方式，易于理解。
　　本研究主要內(nèi)容包括：⑴在現(xiàn)有的基于粒子群優(yōu)化的屬性約簡(jiǎn)算法中，正域部分通常被作為啟發(fā)式信息，但是它并不能準(zhǔn)確地衡量不確定性，而互信息具有更強(qiáng)的度量不確定信息的能力?；诖吮疚奶岢鲆环N將互信息與粒子群優(yōu)化相結(jié)合的約簡(jiǎn)算法，該算法將互信息作為適應(yīng)度函數(shù)，運(yùn)用加快粒子快速尋找吸引子的這一特點(diǎn)，將內(nèi)嵌區(qū)域震蕩搜索的粒子群算法進(jìn)行改進(jìn)，使得粒子群中的粒子能夠迅速搜尋到約簡(jiǎn)值，進(jìn)而盡可能實(shí)現(xiàn)全局收斂。⑵鄰域粗糙集通

3、過(guò)距離函數(shù)解決了傳統(tǒng)粗糙集不能處理連續(xù)型數(shù)據(jù)的局限性?；诖?，提出一種信息觀下批增量式屬性約簡(jiǎn)算法。首先，該算法分析批量增加樣本后新樣本集下條件熵的變化機(jī)制，并給出條件熵的計(jì)算公式；其次，該算法總結(jié)出引起條件熵變化的是新加入樣本的不一致鄰域，當(dāng)這些樣本加入到原數(shù)據(jù)集后，僅需通過(guò)公式求其不一致鄰域，并與新加入樣本相結(jié)合，進(jìn)行約簡(jiǎn)計(jì)算；最后，再對(duì)所得約簡(jiǎn)結(jié)果冗余消除處理，得到約簡(jiǎn)值。⑶將圖像轉(zhuǎn)換為數(shù)據(jù)之后，可知維度較高，不能夠被大量存儲(chǔ)，我