粗集理论在目标识别信息处理中的应用

为提取传感器获得的较粗糙的原始信息,运用粗集理论进行目标识别信息的处理,提出了一种采用关系表存储原始信息,通过简化关系表删去冗余信息,从而达到提取有用信息的处理方法.根据此方法,实例中通过对生成的规则进行优选,得到了简单准确的目标识别规则.此理论在信息处理中的应用,较好地满足了目标识别中原始信息处理的需求.     

基于FCM与粗糙集的连续数据知识挖掘方法

对连续数据知识挖掘可采用模糊C均值聚类将其离散化,再应用粗糙集进行约简.文中针对该过程中样本数据离散化后出现多个聚类中心隶属度值较接近的情况,提出了隶属度重叠度的方法来扩展对应离散类别的选取.离散类别确定后再应用粗糙集理论对其进行知识挖掘,可得到连续数据的本质特性.此方法应用于汽轮机轴系振动数据的知识挖掘.与采用最大隶属度确定对应类别的方法相比,该方法不影响对连续数据的知识挖掘,并能真实反映连续数据的特性.     

一种基于VPRSM的辐射源模糊识别方法

为解决辐射源识别的问题,研究利用变精度粗糙集模型来确定辐射源识别特征权值的方法。由概念的正域中对象类的条件属性的描述,得到该概念的充分条件,并依据知识间的依赖性作为所要考虑的因素来获取特征权值,同时结合模糊集理论,提出一种基于变精度粗集特征加权的辐射源模糊识别方法。最后将此识别方法模型应用于雷达辐射源用途识别,仿真实验及其结果验证了该方法的可行性和有效性。     

确定性理论在雷达型号识别中的应用

雷达型号识别是雷达对抗情报侦察的首要工作,是近一步分析雷达用途及相关武器系统的基础,也是高层次上的态势评估和威胁估计的主要依据.针对现代战争中电磁信号环境的复杂性,利用单一传感器很难对雷达型号进行准确识别,而基于确定性理论的不确定推理技术能将多个传感器在多个周期的侦察信息进行融合,所以采用确定性理论的数据融合技术,基于确定性理论的组合规则,采用分层式融合算法对雷达型号进行识别.仿真结果表明,该方法的识别结果令人满意,使采用单一传感器可能存在的无法识别或误识别等现象得到了明显的改善.     

依据部分属性值的空中目标威胁快速排序方法

针对空中目标威胁排序问题,提出了一种依据部分属性值即可对目标威胁进行快速排序的方法.首先选取具有代表性的样本数据作为案例库;然后确定条件属性和决策属性,在利用K-均值聚类算法对决策属性进行离散化后,提出了一种针对连续条件属性值的全局离散化方法,并对离散化后的案例库进行属性约简并得出决策规则;最后将待排序目标各属性值进行...     

基于粗集理论证据加权的电子目标识别法

在对电子目标进行识别时,往往采取多传感器融合的D2S证据理论进行处理,但是由于传统的D2S证据理论中各传感器对识别结果的重要性没有区分,基于此将粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真实验及其结果表明该方法对电子目标识别是有效的,尤其在传感器受到干扰时,具有较强的现实意义。     

一种连续属性离散化的新方法

传统的粗糙集理论只能处理离散属性,所以在对决策表进行处理之前,必须对决策表中的连续属性进行离散化。提出一种新的相容离散化算法,从决策属性值出发,对决策属性值相同的实例在空间上进行合并,并用例子说明该算法的离散化过程。最后分析了该算法的复杂度。该方法能有效地离散连续属性决策系统,结果表明,采用本算法进行离散化能得到合理的断点结果。     

基于贴近度的雷达信号个体识别方法

雷达信号个体识别是雷达信号识别领域的研究热点,雷达"指纹"特征参数的选取、雷达"指纹"特征参数的高精度测量以及雷达信号个体识别算法是雷达信号个体识别的3个关键技术.提出了将贴近度运用于雷达信号个体识别中,采用了基于阀值原则与贴近度原则相结合的识别手段,给出了个体识别流程和个体数据库中特征参数权重更新手段.理论分析与计算机仿真表明,该方法是切实有效的.     

属性约简与近似集的关系研究

上近似和下近似是在粗集理论中最基本的概念,而粗集理论的主要思想又是在保持分类能力不变的前提下通过对属性的约简导出问题的决策和分类规则。本文讨论了属性的约简和相对约简与上近似和下近似的关系,并在此基础上提出了一种新的相对约简———保近似约简。     

一种新的基于粗糙集的连续属性离散化算法

粗糙集理论作为一种新的处理含糊和不确定性问题的数学工具,已成为国际学术界的一个前沿的研究领域.传统的粗糙集理论只能对数据库中的离散属性进行处理,而绝大多数现实的数据库既包含了离散属性,又包含了连续属性.针对传统粗糙集理论的这一缺陷,提出了一种改进的基于断点重要性的属性离散化方法.最后,通过实例分析说明该方法是有效的.