推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于变精度粗糙集的粗集神经网络

更新时间:2019-10-10 13:43:48 大小:232K 上传用户:江岚查看TA发布的资源 浏览次数:49 下载积分:2分 下载次数:0 次 标签:变精度粗糙集粗集神经网络 出售积分赚钱 评价赚积分 ( 如何评价?) 收藏 评论(0) 举报

资料介绍

摘 要:本文研究了基于变精度粗糙集模型下的粗集神经网络设计,对β 近似约简条件进行了弱化推广,同时提

出了β 近似约简的选取原则。在对Brodatz 纹理图像的分类实验中,比较了经典粗集神经网络RNN 和变精度粗集

神经网络VPRNN 的性能,VPRNN 不仅具有更为精简的结构和更短的训练时间,而且具有更强的近似决策和泛

化能力。


部分文件列表

文件名 大小
基于变精度粗糙集的粗集神经网络.pdf 232K

部分页面预览

(完整内容请下载后查看)
30 8 期  
2008 8 月  
电 子 与 信 息 学 报  
Vol.30No.8  
Aug..2008  
Journal of Electronics & Information Technology  
基于变精度粗糙集的粗集神经网络  
①②  
张东波  
王耀南  
黄辉先  
(湘潭大学信息工程学院 湘潭 411105)  
(湖南大学电气与信息工程学院 长沙 410082)  
摘 要:本文研究了基于变精度粗糙集模型下的粗集神经网络设计,β 近似约简条件进行了弱化推广,同时提  
β 近似约简的选取原则Brodatz 纹理图像的分类实验中较了经典粗集神经网RNN 和变精度粗集  
神经网络 VPRNN 的性能,VPRNN 不仅具有更为精简的结构和更短的训练时间,而且具有更强的近似决策和泛  
化能力。  
关键词:变精度粗糙集;粗集神经网络β 近似约简;纹理分类  
中图分类号TP391  
文献标识码A  
文章编号1009-5896(2008)08-1913-05  
Rough Neural Network Based on Variable Precision Rough Set  
①②  
Zhang Dong-bo  
Wang Yao-nan  
Huang Hui-xian  
(Institute of Information Engineering, Xiangtan University, Xiangtan 411105, China)  
(College of Electrical and Information Engineering, Hunan University, Changsha 410082, China)  
Abstract: The design of the rough neural network based on variable precision rough set model is studied. The  
condition of β -approximation reduction is generalized and the criteria for selecting a β -approximation reduction  
are introduced. In the experiment of the Brodatz texture image classification, the performance of conventional  
RNN(Rough Neural Network) and VPRNN(Variable Precision Rough set Neural Network) is compared. The  
results indicate that VPRNN not only has more simplify structure and less training time, but also, has better  
approximation decision-making ability and generalization ability than RNN.  
Key words: Variable Precision Rough Set (VPRS); Rough Neural Network (RNN); β -approximation reduction;  
Texture classification  
1 引言  
[6],通过引入“多数包含”关系,允许一定的误分类,避  
免了对小的分类误差过度敏感一方面完善了近似空间的  
概念一方面也有利于粗糙集理论从认为不相关的数据中  
发现相关的数据,因此变精度粗糙集成为处理噪声数据,提  
高泛化能力的有力工具并得到有效应用[79]。本文研究了基  
于变精度粗糙集的粗集神经网络的设计,并将其用于  
Brodatz 纹理图像[10]的分类。  
近年来集神经网络集成技术的研究引起研究人员的  
广泛关注“强耦合成方式[1]的粗集神经网络得到  
了广泛的应用[25]。在该集成方式下,粗糙集通过对原始数  
据的分析,在保留原始信息不受损的基础上,提取精简的知  
识规则,并进而指导神经网络设计。该类粗集神经网络,可  
以在保证性能的前提下,去除网络冗余,网络具有明确的语  
义和较快的收敛速度。但在以往的文献中,粗糙集分析往往  
基于传统的 Pawlak 粗糙集模型,所处理的分类必须是完全  
正确或肯定的,而没有某种程度的“包含”或“属于因  
此对误分类非常敏感乏对噪声数据的适应能力Pawlak  
粗糙集模型另一局限性是它所处理的对象是已知的且从模  
型中得到的所有结论仅仅适用于这些对象集在实际应用  
往要将一些小规模对象集中得到的结论应用到大规模  
的对象集中去,这也限制了依据 Pawlak 模型设计的应用系  
统的推广泛化能力。Ziarko 提出的变精度粗糙集(VPRS)模  
2 变精度粗糙集模型β 近似约简分析和选取原  
2.1 变精度粗糙集模型β 近似约简  
基于变精度粗糙集的约简称β 近似约简β 近  
似约简,定义分类品质指标[6]:  
γβ(P,D) = card(POSβ(P,D))/card(U)  
(1)  
card() 为集合的基数POSβ(P,D)为关于条件属P β  
正域P 是条件属性C 的子集,D 为决策属性,γβ(P,D)衡  
量了论域U 的元素能够依据概β 被归入到一定决策类的  
元素比例β (0.5, 1] ,可根据实际需要来确定。任何一  
β 近似约简必须满足条件:  
2007-01-19 收到,2007-09-26 改回  
国家自然科学基金(60775047)南省自然科学基金(06JJ5112)和湘  
潭大学跨学科交叉科研项目(06IND12)资助课题  
(1) γβ(C,D) = γβ(REDβ(C,D),D);  

推荐下载

全部评论(0)

暂无评论