基于粗糙集理論和神經(jīng)網(wǎng)絡(luò)的圖像識別系統(tǒng).pdf

1、圖像識別是人工智能的重要領(lǐng)域，其基本思想是利用計算機對所獲取圖像中不同的景物進行自動的分類，代替?zhèn)鹘y(tǒng)的人工完成分類的任務(wù)。
　　粗糙集理論是一種處理不確定性和不精確知識的數(shù)學(xué)理論，該理論的特點就是不需要先驗知識就可對知識系統(tǒng)進行補充和約簡。其中的核心內(nèi)容就是知識約簡，也即在確保分類能力不減弱的情況下，來得到系統(tǒng)的屬性約簡集和決策規(guī)則。
　　人工神經(jīng)網(wǎng)絡(luò)利用模擬神經(jīng)元來學(xué)習(xí)知識，從而使得建立的模型具有智能特征。其學(xué)習(xí)的基本過程

2、主要通過調(diào)整各個域值和權(quán)值來進行學(xué)習(xí)。人工神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)信息的分布式存儲及并行協(xié)同處理，從而把信息處理和信息存儲相進行了有機結(jié)合，以便使信息處理具有自組織特點。
　　本論文通過對粗糙集理論和神經(jīng)網(wǎng)絡(luò)的研究，以及兩者在圖像識別中的作用進行分析，將粗糙集理論和神經(jīng)網(wǎng)絡(luò)進行了有機結(jié)合，提出了一個基于粗糙集理論和神經(jīng)網(wǎng)絡(luò)的圖像識別模型，該模型先對原始圖像數(shù)據(jù)進行預(yù)處理，然后用粗糙集理論進行特征選擇，減少了神經(jīng)網(wǎng)絡(luò)的輸入維數(shù)，提高了神經(jīng)網(wǎng)