欢迎来到天天文库
浏览记录
ID:46404197
大小:87.50 KB
页数:9页
时间:2019-11-23
《区域形状的粗集分类研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、区域形状的粗集分类研究摘要:本文主要利用粗集理论针对图像分割后的区域形状进行分类研究。依据粗集理论研究离散化数据的特点,考虑类分布信息,采用信息爛理论进行连续条件属性的离散化。在此基础上,利用约简算法剔除兀余属性,获取约简属性,并进一步提取决策规则。最后选取测试样本进行实验分析,结果表明分类是有效的。Abstract:TheclassificationresearchofregionalshapeafterimagesegmentationisbroughtforwardinthispaperbasedonRStheory.Datadiscriminationisthecha
2、racterofRS,consideringdistributedinformationofclass,andcontinualconditionattributesaredescribedaccordingtoinformationentropytheory.Onthebasisofthat,redundancyattributesareeliminatedbyRSreductionalgorithm・Reductionattributesandrulesaregained.Finally,theresultindicatesthattheclassificationisv
3、alidthroughselect!ngtestsampleandanalyzingtheimitationexperiment.关键词:区域形状;粗集;分类;信息爛Keywords:regionalshape;roughset;classification;informationentropy中图分类号:TP30文献标识码:A文章编区域形状的粗集分类研究摘要:本文主要利用粗集理论针对图像分割后的区域形状进行分类研究。依据粗集理论研究离散化数据的特点,考虑类分布信息,采用信息爛理论进行连续条件属性的离散化。在此基础上,利用约简算法剔除兀余属性,获取约简属性,并进一步提取决策规
4、则。最后选取测试样本进行实验分析,结果表明分类是有效的。Abstract:TheclassificationresearchofregionalshapeafterimagesegmentationisbroughtforwardinthispaperbasedonRStheory.DatadiscriminationisthecharacterofRS,consideringdistributedinformationofclass,andcontinualconditionattributesaredescribedaccordingtoinformationentrop
5、ytheory.Onthebasisofthat,redundancyattributesareeliminatedbyRSreductionalgorithm・Reductionattributesandrulesaregained.Finally,theresultindicatesthattheclassificationisvalidthroughselect!ngtestsampleandanalyzingtheimitationexperiment.关键词:区域形状;粗集;分类;信息爛Keywords:regionalshape;roughset;classifi
6、cation;informationentropy中图分类号:TP30文献标识码:A文章编号:1006-4311(2010)21-0028-020引言在有关视觉信息的讨论中,目标的形状具有特殊的意义。图像分割后,图像中一个区域的形状就是该目标边界上的点所组成的模式。要对形状进行分类,首先要对目标的形状特征进行描述。由于形状很难给出精确的数学定义,所以対形状的度量往往是相对的,而不是绝对的。为了对目标的形状描述更加精确,需要同时使用多种特征,然而特征越多,计算量越大,实现也越复杂。因此,能用最少的特征来完成形状分类的目的有着重要的意义。粗糙集理论是一种崭新的智能信息处理理论,它
7、为研究不精确知识的表达、学习、约简,分类归纳等提供了一种新的方法。鉴于形状描述的特点及粗糙集理论在处理不确足性信息方面的优势,本节提出一种基于粗集理论的区域形状分类策略。将日标图像的统计学特性作为条件属性,形状分类作为决策属性,并针对连续属性进行离散化,属性约简,最终从训练样本中提取出决策规则,进而对测试样本进行分析。1基于粗集的处理过程在给定一幅含冇多个物体的数字图像的条件下,处理过程由三个主要阶段组成[1]:%1图像分割的预处理阶段在该阶段中检测出各个物体,以获得精确的分析目标。%1特征抽取阶段对物
此文档下载收益归作者所有