基于粗集理论和神经网络的数据融合

Data Fusion Based on Rough Set Theory and Neural Network

下载PDF

导出

摘要提出了一种基于粗集理论和神经网络结合的数据融合方法。利用粗集对输入信息进行约简 ,剔除冗余信息 ,简化了神经网络模型 ,提高了训练速度 ,进而提高整个融合系统的速度。并通过仿真实验证明了它的可行性。

作者胡春海王晓丽邹晓红

机构地区燕山大学电气工程学院

出处《计量技术》 2004年第7期3-4,10,共3页 Measurement Technique

关键词粗集理论神经网络 BP算法数据融合仿真

参考文献6

1B.Walczak,D.L.Massart.Rough sets theory.Chemometrics and Intelligent Laboratory Systems 47(1999).
2Kang,Yaohong;Wu,Xiaoqin;We,Yingbing;Chen,Mingrui.Object orient data fusion algorithms and its neural network implementations.IEEE Region 10 Annual International Conference,Proceedings/TENCON, v 1, 2002,p655-658
3Sun,Qingwei;Wu,Zhilu;Quan,Taifan.Adaptive neural networks-fuzzy reasoning information fusion system.IEEE Region 10Annual International Conference,Proceedings/TENCON,v 1,2002,p712-715
4张文修,吴伟志等编著.粗糙集理论与方法.北京.:科学出版社,2001,07.
5韩力群编著.人工神经网络理论、设计及应用.北京:化学工业出版社,2001,09.
6权太范著.信息融合神经网络-模糊推理理论与应用.北京:国防工业出版社,2002,08

计量技术

2004年第7期

内容加载中请稍等...