论文部分内容阅读
结合粗糙集理论的发展及其在模式识别领域中的优势和不足,提出基于抗噪粗糙集的三维目标自动识别方法。在压扩式非均匀离散化编码和全程归一化处理的基础上,对动态层次聚类分类方法进行了改进,通过对偶然性事件和不相容事件加权概率处理,以可信度的形式将粗糙集的规则训练和抗噪性能结合起来,并提出基于相对最小类间距离的分层识别方法,实现了粗糙集基础上的规则训练与样式识别。通过对多种三维目标的识别仿真表明,该方法具有较好的抗噪性能、处理效率和识别效果。