粗糙集理论与方法
张文修的一本比较经典的粗糙集理论的教材，感兴趣的可以参考下00140230西安交通大学数学研究生教学丛书粗糙集理论与方法张文修吴伟志梁吉业李德玉编著2001内容简介本书系统地介绍了粗糙集理论的基本内容与方法,力图概括回内外最新成果主要内容有粗糙集的基本概念,粗糙计算方法,粗糙集的代数性质与粗糙逻辑,粗幡集的各种推广模型,粗糙集与其他处理不确定或不精确问邀理论的联系以不完备信息系统下的粗糙集方法本书可作为计算机科学应用数学、自动控制、信息科学和管理工程等专业的高年级学生及研究生的教材,也可作为研究粗橢集理论与方法的科技人员的参考书书在版编目CI据粗糙集理论与方法/文修等编著.北京:科学出版社,2001酉安交道大学数学研究生教学丛书)1sBN70307984.租…山.张…Ⅲ.粗糙集Ⅳ.Ol44中图娅本图书馆CIP数据校字(2000第69236号科學当腹越出版北京东监域根北]6号鄙蝙;117斯音刮厂郾刷科学出版社发行各她新华书店经销200H年月第版开本:F5(72×1020年7月第一次印剧印张:1434型数:1-3000字数:25100定价:22.00元(如有印质量间题,我社负资调换〈新欣当今,社会巳经齿入了恻络信息时代,计算机与网络信息技术的飞速发展使得各个领域的数据和信息急剧增加(信息爆炸),并且由于入类的参与使数据与信息系统中的不确定性更加显著(复杂系统)如何从大量的、杂乱无章的、强一扰的数据(海量效据)中挖掘潜在的、有利用价值的信息(有用知识这给人类的智能信息处理能大提出了所未有的挑战.由此产生了人工智能併究的一个崭新领城——数据挖掘(ⅠM和数据库知识发现(KDD在IM和KD诸多方法中,粗糙集理论与方法对于处理复杂系统不失为一种较为有效的方法,因为它与概率方法模糊集方法和证据理论方法等其他处理不确定性问题理论的最显著约区别是它无需提供问题所需处理的数据集合之外的任何先验信息当然,由于该理论未能包含处理不精确或不确定原始数据的机制,所以与其他处理不确定性问题的理论有很强的互补性相糙集理论是波兰数学家 Z Pawiak于1982年提出的一种数据分析理论由于最初关于粗糙集理论的研究主要集中在波兰,因此当时并没有引起国际计算机界和数学界的重视,研究地域仅局限于东欧一些国家.直到1990年前后,由于该理论在数据的决策与分析、模式识别、机器学习与知识发现等方面的成功应用,才逐渐引起了世界各国学者的广泛关注.1991年 Z Pawlak的专著《料糙集—关于数据推理的理论》 Rough: Sets-- -Thearetical/etsof Reasoning about Data)的问世,标志着粗糙集理论及其应用的研究进人丁活跃时期.1992年在波兰召开了关于粗糙集理论的第一屈国际学术会议.1995年A(M(απ munication将粗糙集列为新浮现的计算机科学的研究课题.目前粗糙集理论已成为信息科学最为活跃的研究领域之一,同时,该理论还在医学、化学、材料学地理学管理科学和金融等其他学科得到∫成功的应用本书的目的是介绍粗糙集射基本理论与方法以及这理论的研究发展状况.为了闯读方倜,本书对国内外已发表的文章进行了系统化处理,规范了数学概念与符号,在统一的框架下叙述了粗糙集理论的最新研究成果,同时也包含了作者的某些新成果,期望为从事粗糙集理论研究入员和研究生进人这新领域提供捷径鉴于我们从事该领域的研究工作时间较短,加之身知识的局限性,错误与不妥之处在所难免,热忧欢迎广大同仁批评、指止作者2000年8月录第-章粗糙集理论的基本概念§【.1知识与知识库§【.2不精确范嗨,近似与粗糙集…■■■■■■■■§.3知识约简……§1.4知识的依赖性………………………………………16§1.5知识表达系统17§.6决策表『·「TT·■冒■音T曾■鲁?1音曾■上……………19§1.7区分矩阵与区分函数笫二章粗糙集模型的算法262.1信总系统和决策表TT1T1冒量26§22简单分类27氵2.3支持子集………s24决策属性的支持度………kd■p电■山白山§2.5交的计算……………33s26多个条件的支持度■『■冒■■■卩甲■罩卩『■■■b■■d■b山I凸晶d■■34氵2.7函数依赖…………………35§2.8恒等依赖甲干·!■■■冒■1■dh十■m§2.9重要性和核§2.10属性依颊性T甲“■·T曾冒會會十個ql早4■■■個會3§2.11约简T■■第三章般关系下的粗糙集模型…§3.1二元关系与邻城算子……………41§3.2二元关系与粗糙近似算子…43§3,3近似算子的其地定义形式与比较……………4§34近似算子的表示…自■■■■■■4■郾LI卜郾4■■b▲■■■■■■■·甲聊a■b■着郾山晶d§3.5程度粗榧集模型…■■會會■■‘自自自■聊即聊■b■■当dh_画第四章粗糙集代数的公理化方法…*574.1粗糙集理论的构造性方法…rr…"w…5784.2粗糙集理论的公理化方法§4.3构造性方法与公理化方法的关系…………■·■幽日··■■口■甲■【山■中中…6284.4特殊类型的粗糙集代数第五章粗糙集系统的代数结构·「丬■"■·白幽■日■『■早■卜P画■着■昌白晶画聊甲嵋目录§5.1粗糙集的Se代数§5.2粗糙近似宰间血d幽唱幽日日4:bq1即4日日B:甲44日b·甲日甲4:·甲4§5.3粗集和 Nelson代数…■_L啁↓■■■■■b§5.4粗糙概念的代数刻画■■■■■■■■■■■d口口……………85§5.5半群中的粗理想……,……………■■■■93第六章粗糙逻辑与决策■■■■■■■歌■↓■■罩↓卩■l■■罩d■b■■鄢↓■k↓db■■■■b■kd看■郾■■b矗■司■山山d■b古■■98§6,1基于完备信息系统的粗逻辑986.2决策逻辑与决策………………1"""…!…"……s…100§6.3基于不光备信息系统的模态逻辑………………115第七章变榇度粗糙集模型■【■■冒■■甲卓■■■■山d血血個■备量§7.多燃包含关系…123§72咄精度粗槌集模型中的近似集……………………………………124§73集合钓相对可辨别性…………………………-:126§74B近似的性质…128属性钓近似依赖性129§7.6近似约简…甲甲■■■郾通4阝………",130第八章概率粗糙集模型132§8有限论域上概率测度的基本知识……13§8,2信息熵…L唱■LLa133§8.3概卒粗糙集模型∵……T■■■■■■…135§8.4概率粗糙集模型的其他形式1398.5Rys决策与粗糙近似142路呂.6粗糙隶属函数与概念的联合rr1148§8.7知识的不确定性度量§B8概率粗糧集模翘和确定性粗糙集模型的比较………,155第九章模糊粗糙集模型P■s…1589.1模糊集的基本慨念158§9,2糢糊关系………………441·日·日q甲日■_日面如a甲qrpa4P自……·160§93模糊粗糙集………161§9.4甚于三角模的模糊粗欖集模型…:16889.5基于包含度的粗牲集模型……………■■和冒省●·■口■即甲看看D品J§9.6絛正型模糊粗糙集模型……■;;■■山晶;aq41即■血mm■甲甲唱1酥晶日H甲■182§9.7粗糙集与模糊集的比较■■185第十章基于随机集的粗糙集模型187§0,1随机集容度泛函t87§10.2信任函数与似然函数…d幽··『看■备如▲■p甲甲4即申日■鲁自中■暴即l88§10.3基于随机集的粗糙集模型…T·「·■■『■■■■■■Lpd■b10.4近似算子与可能性测度………"…201第十一章不完备信息系统的粗糙集方法……*………………20811.]不完备信息系统忄·■曾■■■·◆I會■■P■冒■鲁會◆4l■§112近似集2078113决策表,决策规则和知识约简……208A11.4区分函数与约简的计算司甲甲■鲁甲甲■■■p211参考文献十個■■1幽"b■213记号表………………….223第一章粗糙集理论的基本概念粗糙集理论是一·种新的处理模糊和不确定性知识的数学工具,其主要思想就是在保持分类能力不变的前提下,通过知识约简,导出问题的决策或分类规则.目前,粗集理论已被成功地应用于机器学习、决策分析、过程控制、模式识別与数据挖掘等领域.夲章介绍标准粗糙集理论( Pawlak粗糙集模型}的基本概念,作为后面各章节的基础§1.1知识与知识库投U≠是找们感兴趣的对象成的有限集合,称为论域任何子集X匚U称为U中的个概念或范畴.为规范化起见,我们认为空集也是一个概念,U中的任何概念族称关于U的抽象知识,简称知识本书上要是对在U上能形成划分的那些知识感兴趣.一个划分定义为:价=X1,X2,…,Xn1;XCU,X;≠x,X∩X=,对于i≠j,,1,2U上的族划分称为X于U的个知认库( knowledge base设R是U上的一个等价关系,U/R表示R的所有等价类(或者U上的分类构成的集合,x]R表示包含元素∈I的R等价类…个知识库就是个关系系统K=(UR),其中U为非空有限集,称为论域R是U上的一族等价关系若PCR,且P≠分,则∩P(P中所有等价关系的交集)也是一个等价关系,称为P上的不可区分〔 ndis nihility)关系,记为ind(P),且有n(P)REP这样,Und(P)(即等价关系ind(P)的所有等价美)表示与等价关系族P相关的知识,称为K中关于U的P基本知识(P基本集)为单起鬼,我们用U代替Und(P),ind(P)的等价类称为知识P的基本概念或基本范畴特别地,如果Q∈R,则称Q为K中关于U的Q初等知识,Q的等价类为知识R的Q初等概念或Q初等范畴事实上,P基本范畴是拥有知识P的论域的基本特性换句话说它们是知识的堪本模块同样,我们也可定义:当K=(,R)为一个知识库,ind(K)定义为K中第一章粗糙集埋论的基本概怠所有等价关系的族,记作ind(K)“ind(P)≠PR例1.1绘定一玩具积木的集合U={x1,x2,…,xg},并假设这些积木有不同的颜色(红、黄、蓝),形状(方,圆、三角},体积(小,大).因此,这些积木都可以用颜色形状体积这些知识来描述例如一块积木可以是红色、小而圆的,或黄色、人而方的等如果我们根据某属性描述这些积木的情况,就可以按颜色、形状、体积分类按颜色分类:17337蓝了5;6"一黄按形状分类圆方℃34丁·8角按体积分类大I5,2a换言之,我们定义三个等价关系(即属性):颜色R1,形状R2和体积R3,通过这些等价关系,可以得到下而三个等价类UR1=1{x1,x3,xy},{x25;吧U/R2=1x1,xs,x2,x6},x3,x4,x,!},夏/R3={x2,x7,x81,{x1,x3,x4,x,6这些等价类是由知识库K=(U,R1,R2,R3})中的初等概念(初等范畴)构成的基本范畴是初等范畴的交集构成的,例如下列集合3,x7}∩:x3,x4,3+74{∩{x256783y丁4;了它们分别为R1,R2}的基本范畴,即:红色三角形,蓝色方形,黄色三角形下列集合x3,x?C「x3,x4,x5,xs∩2,7x8={72,x1∩x,x;6∩2,x7,x8}={x2},5x69E845778f它们分别为{R12R2,R3的基本范畴,即红色大三角形,蓝色大方形,黄色大
- 2021-05-06下载
- 积分：1
图像拼接 综述与算法综述
图像拼接的综述、各种算法描述，算是对自己学习的一个交代均值滤波的方法是,对将处理的当前像素,选择一个模板,该模板为其邻近的若干像素组成,用模板中像素的均值来替代原像素的值。②中值滤波——中值滤波是基于排序统计理论的—种能有效抑制噪声的非线性信号处理技术。它的核心算法是将模板中的数据进行排序,这样,如果一个亮点(暗点)的噪声,就会在排序过程中被排在数据序列的最右侧或者最左侧,因此,最终选择的数据序列中见位置上的值一般不是噪声点值,由此便可以达到抑制噪声的目的这部分的算法很成熟,在FPGA上的实现也很多,也可以比较方便地找到参考算法的实现。12图像配准其实是四个要素的组合,即:1.选定特征空间——特征空间是由参与匹配的图像特征构成。特征可以为图像的灰度特征,也可以是边界、轮廓、显著特征(如角点、线交叉点、高曲率点)、统计特征(如矩不变量、中心)、高层结构描述与句法描述等;这儿其实是定义了配准的空间范围;2.相似性度量——评估待匹配特征之间的相似性,它通常定义为某种代价函数或者是距离函数;这儿是定义需要选定的某种算法3.搜索空间——待估计参数组成的空间就称为搜索空间。也就是说,搜索空间是指所有可能的变换组成的空间,这儿其实是定义了搜索算法的空间复杂度4.搜索策略—搜索策略是指用合适的方法在搜索空间中找出平移、旋转等变换参数的最优估计,使得相似性度量达到最大值,这儿其实是定义了搜索算法的时间复杂度;121基于区域的配准方法基于区域的配准方法——不检测图像中的特征,直接使用窗口或者整幅图像来进行配准从待拼接图像的灰度值出发,对待配准图像中一块区域与参考图像中的相同尺寸的区域使用最小二乘法或者其它数学方法计算其灰度值的差异,对此差异比较后来判断待拼接图像重叠区域的相似程度,由此得到待拼接图像重叠区域的范围和位置,从而实现图像拼接。也可以通过FFT变换将图像由时域变换到频域,然后再进行配准。对位移量比较大的图像,可以先校正图像的旋转,然后建立两幅图像之间的映射关系。总而言之,有很多不定,已经不是现在主流的研究方向。评价:基于区域的方法实现简单,应用范围较窄,它的局限性来源于它的基本思想。◇首先,它使用的矩形窗口只适用于配准平移变换的图像,如果图像有更复杂的变形,矩形奁口就不能覆盖参考图像和待匹配图像中的同一场景区域;◇另外,它依赖于窗口中的图像内容,当窗口中图像內容平滑而没有显著细节时,很容易引起与其他平滑区域的错误匹配。◇再次,在最优变换的搜索过程中往往需要巨大的运算量,且对噪声的影响和对比度的差异很敏感,鲁棒性不强。22基于特征的配准方法基于特征的图像配准方法有很多基本形式及其改进,其总体特点是:不直接利用图像像素值,而是通过像素值导出图像内容最抽象的描述和符号特征,并用此特征为匹配模板,查找几幅待配准图像的灰度局部最大值点、边界边缘轮廓、边缘点、边缘线段、组织(纹理)结构、角、顶点、拐点、交叉点、线段、封闭曲线等低级对应特征点及利用特征图像关系图等高级特征,构造方程组,通过数值计算得到变换数来进行图像对齐,进而确定两者的匹配位置,实现特征点、特征线段等的拼接,并且可以提高计算速度。基于特征的配准方法,一般分为四个步骤1.特征检测——从图像中检测出显著且独特的图像特征,包括闭合区域、直线段边缘、轮廓、点。2.特征匹配——相似性度量,确定图像之间特征的对应关系,又分为如下几小类)使用空域关系的方法②使用不变描述符的方法、③松弛方法、④金字塔和小波的方法3.变换模型的估计——变换函数选择和函数参数估计4.图像变换和重采样——可以通过前向或后向的方式来实现,插值的方法有最近邻插值、双线性插值、双三次函数插值、二次样条插值、三次B样条插值、高阶B样条插值评价基于特征的方法普遍适用于局部结构信息比灰度信息更显著的情况,能够处理图像之间复杂变形的情况,不足之处是特征检测困难且不稳定,最关键的一点是需要有一种判别力很强的、鲁棒的且对图像之间变化保持不变的特征匹配算法。13图像再投影基本方法:需要选择一个合成面,如果仅仅是只有几张图像进行拼接,一个普遍的方法是选择其中的一幅图像作为参考图像,然后把所有其他的图像都进行扭曲变形到参考图像的坐标系上去,这样合成的结果称为平面全景图,这是一个透视投影变换。为了减少投影失真,平面投影→圆柱面投影→球面投影→立方体投影13.1平面再投影选其中某一张图像为参考图像,然后把所有其它的图像进行扭曲变形,从而变换到参考图像的坐标系中去。由于这种模型本质上还足透视投影,因此图像在扭曲变形之后直线仍然还是直线。对丁大视场的图像拼接,平面投影方法会使得最终拼接图像在边缘出现扭曲过大的情况。在实际,当视场接近或超过90时,平面投影的拼接图像会有很大的失真。132柱面再投影圆柱面再投影非常适合于相机绕单一轴线旋转所得到的图像序列拼接,在这种情形下.在不同旋转角度得到的图像由完全的水平位移相关联。这一点很有意义,因为它避免了复杂的单应变换的计算,而且输出得到的图像没有平面再投影存在的扭曲。相反,场景中的直线被映射为正弦曲线。但是,这种方法需要对相机进行预先的标定,计算出相机的焦距和光心的偏移半标。133球面再投影球面再投影的优点是可以实现任意角度的旋转,但缺点是由于每个球面图像有多个相邻图像,因此在球面再投影中图像求交定位比较困难,而且很难找到一个与球面相对应且易于存取的数据结构。14图像融合技术在完成了两幅图像的配准之后,得到了两幅图像之间的变换矩阵,就可以确定它们之间的重叠区域,图像融合的任务就是把配准后的两帽图像根据配准的位置合并为一帼拼接图像。这一步主要包括了如何选择再投影合成面以及如何对两幅图像重叠区域的像素进行混合而得到一幅无缝且清晰的图像。所谓无缝,是指在图像拼接结果中,不应该看到两幅图像在拼接过程中留下的痕迹,即不能出现图像拼接缝隙。然而,由于待拼接的两咡图像分别是由不同的相机在同一时刻采集的,受相机固有因素的影响,采集得到图像的曝光率不可能完全一致,如果在图像的融合中,仅仅将两幅图像重叠区域简单地叠加起来,在它们的过渡区域必然会有明显的拼接缝隙。另一方面,在图像配准阶段所得到的图像之间的变换模型只是针对整个图像区域,对一些存在局部非规则形变的图像而言,全局变换模型在图像的局部区域可能不适用,而使得拼接图像的局部没有对齐,因此在拼接图像中会岀现局部模糊。如何处理图像融合过程中岀现的拼缝和模糊问题,实现真正意义上的无缝且清晰的图像,正是图像融合过程所要解决的问题。融合策略的选择应当满足两方面的要求拼合边界过渡应平滑,消除拼合接缝实现无缝拼接;2.尽量保证不因拼合处理而损失原始图像的信息图像融合可分为三类:像素级融合、特征级融合和决策级融合1.像素级(数据级)融合是在图像严格配准的条件下,直接进行像素关联融合处理;像素级融合是最基本的处理手段,也是硏究最多的—种,目前主要有以下几种方法平均值法②加权平均法③中值滤波法④多分辨率技术2.特征级融合是在像素级融合的基础上,使用模式相关、统计分析的方法进行目标识别、特征提取,并得到融合结果;3.決策级融合主要是基于认知模型的方法,采用大型数据库和专家决策系统,模拟人的分析、推理过程,以增加判决的智能化和可靠性。2参考资料1.硕士论文《門」001_图像拼接技术研究》2.硕士论文《門」_002_基于 Levenberg-Marquardt算法图像拼接硏究》3.硕土论文《門003_图像拼接技术研究》4.网页http://xgli0910.blog.163.com/blog/static/469621682009625831432275.科技论文《P」200基于角点特征的KLT跟踪全景图像拼接算法》6.本科论文《門』100图像边缘检测与提取算法的比较》7.http://www.cnblogs.com/xrwang/archive/2010/03/03/imagefeaturedetection html8.http://www.cnblogs.com/xrwang/archive/2011/03/09/ransac-1.html9.http://blog.163.com/pz124578@126/blog/static/2352269420122271004710910.http://blog.csdnnet/xuyuhua1985/article/details/637175111.http://www.openhw.org/project/index.php?act=view&id=185112.硕士论文《門」015多图像拼接算法研究》13.硕士论文《門010基于特征点图像拼接的配准算法硏究》14.http://blog.csdnnet/abcjennifer?viewmode=contents3图像拼接中的算法31图像预处理通过几何变形校正方法对采集到的图像进行校正后,可以使得相同景物在图像重叠区域所成的像有相同的形状和一致的空间相对位置。3.2图像特征检测图像特征检测包括如下几种类型的特征检测闭合区域2.轮廓和边绿区域3.角点4.线条321闭合区域闭合区域特征是通过图像分割的方法来检测到的,分割的精度会大大地影响配准的结果。近年来,选择尺度不变区域特征引起了关注,虚拟圆的思想来计算图像之间平移和尺度的变化,虚拟圆是一个半径最大的圆,这个圆所涵括的背景区域不包含边缘点,一对虚拟圆就足够求出平移和尺度的变化量,它相对于图像边缘特征来说鲁棒性更强,但缺点是易受局部变化的影响322边缘和轮廓边缘和轮廓——所谓边绿轮廓是指甚周围像素灰度有阶越变化或屋顶变化的那些像
- 2020-12-11下载
- 积分：1
