基于粗糙集和神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合方法研究

高　巍　遲　宇　趙　海　史　率

粗糙集(Rough Sets，RS)理論是由波蘭科學(xué)家Z.Pawlak于1982年提出的，作為一種刻化具有不完整性和不確定性的信息全新數(shù)學(xué)工具，粗糙集理論算法簡(jiǎn)單，易于操作。它的主要特點(diǎn)是具有很強(qiáng)的定性分析能力，即以不完全、不精確、不確定的信息或知識(shí)處理一些不分明現(xiàn)象的能力，或依據(jù)觀察、度量到的某些不精確的結(jié)果而進(jìn)行分類數(shù)據(jù)的能力，可以直接對(duì)不完備信息進(jìn)行處理，而不必進(jìn)行完備化。人工神經(jīng)網(wǎng)絡(luò)(Arti- fieial Neural Network，ANN)，作為人工智能領(lǐng)域的一個(gè)重要分支，它最吸引人的一點(diǎn)是其數(shù)值逼近能力，它能夠處理定量的、數(shù)值化的信息。人工神經(jīng)網(wǎng)絡(luò)通過(guò)互相連接而形成網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，并按某種規(guī)則對(duì)數(shù)據(jù)并行處理。作為一種自適應(yīng)非線性動(dòng)態(tài)系統(tǒng)，神經(jīng)網(wǎng)絡(luò)具有良好的容錯(cuò)能力和自適應(yīng)性，對(duì)應(yīng)用系統(tǒng)的先驗(yàn)概率分布要求較小，可以處理不完備、不精確的信息。由于神經(jīng)網(wǎng)絡(luò)具有信息處理速度快，數(shù)據(jù)存儲(chǔ)空間小，硬件處理系統(tǒng)結(jié)構(gòu)簡(jiǎn)單等優(yōu)點(diǎn)，因而在數(shù)據(jù)融合中得到了廣泛應(yīng)用。數(shù)據(jù)融合技術(shù)自提出以來(lái)，在很多領(lǐng)域都得到了廣泛的應(yīng)用。隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的快速發(fā)展，它也成為主要的數(shù)據(jù)融合方法之一。但是傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)一般不能將輸入信息空間的維數(shù)簡(jiǎn)化，當(dāng)輸入信息空間存儲(chǔ)維數(shù)較大時(shí)，網(wǎng)絡(luò)不僅結(jié)構(gòu)復(fù)雜，而且訓(xùn)練時(shí)間也很長(zhǎng)。將粗糙集理論和神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)，利用粗糙集理論簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，在保留有用信息的前提下消除冗余的數(shù)據(jù)，以提高訓(xùn)練速度，從而提高整個(gè)融合系統(tǒng)的速度。