基于粗糙集的圖像分類方法的研究.pdf

1、圖像分類是信息處理的重要研究方向。本文對圖像分類中所涉及的關(guān)鍵技術(shù)，包括圖像特征提取，建立圖像數(shù)據(jù)決策表，基于粗糙集理論的屬性約簡算法，規(guī)則約簡算法，樣本預(yù)測算法等內(nèi)容進行了研究和探討，最后通過實驗與評估，獲得了分類準確精度。
　　 粗糙集模型是由數(shù)學(xué)家Pawlak首先提出的一種用于處理模糊和不確定性知識的新型數(shù)學(xué)工具，隨著對粗糙集研究的不斷深入，粗糙集模型的局限性逐漸的顯露出來，由于利用粗糙集處理的分類必須是完全正確或肯定的，

2、這樣致使大量有用信息在規(guī)則提取過程中丟失，于是，近年來許多學(xué)者從多方面對粗糙集模型進行推廣，出現(xiàn)了變精度粗糙集模型、概率粗糙集模型、廣義粗糙集模型、模糊粗糙集模型等。
　　 變精度粗糙集模型是在標準粗糙集模型中引入了正確分類率β，放松了對標準粗糙集模型近似邊界的嚴格要求，增強了粗糙集模型的抗干擾能力和對新數(shù)據(jù)的預(yù)測能力。
　　 本文主要是基于變精度粗糙集模型及貝葉斯粗糙集模型，對圖像分類問題進行了研究。全文首先介紹粗糙集

3、理論研究概況，以及圖像分類問題的研究現(xiàn)狀，介紹標準粗糙集模型、信息系統(tǒng)、屬性約簡以及變精度粗糙集模型、貝葉斯粗糙集模型的基本概念。其次，主要討論了基于顏色特征的圖像分類問題，給出了常用的顏色空間及相互的轉(zhuǎn)換方法，經(jīng)典粗糙集分類模型的基礎(chǔ)上利用變精度粗糙集模型，引入近似區(qū)分矩陣的概念，提出了一種基于顏色特征的圖像分類模型及其分類算法，通過實例說明分類方法的有效性和可行性。再次，利用貝葉斯粗糙集模型，通過引入全局相對增益和貝葉斯區(qū)分矩陣，分