[毕业设计] 粗糙集理论在信息处理中的应用 [复制链接]

资料简介：
　　毕业设计 粗糙集理论在信息处理中的应用，共32页，13957字，附开题报告，任务书，外文翻译，中期报告
　　
摘要
　　
迅速增长和现有的计算能力，同时也有利于快速处理庞大的数据集，也便利了使用复杂而多样的方法进行数据分析和分类。在此同时， 要求自动识别系统有很大的上升是由于有了大型数据库及严格的性能要求(速度，准确性，稳定性 )。在许多新兴的应用，显然，任何单一的方法进行分类，是“最优”，多种方法和途径要用。因此，结合数传感方式和分类，现在常用的做法，模式识别。设计一个模式识别系统主要包括以下三个方面：1)数据采集和预处理，2)数据的代表性，以及3)决策。问题域驱使的选择传感器(收盘)，预处理技术，代表制度，以及决策模式。这是普遍公认的一个明确界定和约束足以识别问题(小组内变异和大组内变异)导致一个紧凑模式的代表性和一个简单的决策策略。学习一套例子(训练集)是一个重要和理想的属性最模式识别系统。四个最知名的办法模式识别是：1)模板匹配，2)统计分类，3)语法结构或匹配，4)神经网络。这些模式不一定是独立的，有时同模式识别方法存在着不同的理解。
　　
关键词  神经网络∕决策模式 / 模式识别
　　

　　
目录
　　
中文摘要 ………………………………………………………………Ⅰ
　　
英文摘要 ………………………………………………………………Ⅱ
　　
1  前  言 ………………………………………………………………1
　　
1.1 模式识别概述…析………………………………………………1  
　　
1.2 模式识别方法 …………………………………………………2
　　
1.2.1决策理论方法 ………………………………………………2
　　
1.2.2 句法方法……………………………………………………2
　　
1.3模式识别的应用…………………………………………………3
　　
1.4统计模式识别……………………………………………………4
　　
1.5模式识别技术的近乎无限的发展潜力…………………………4
　　
2特征的选择与提取…………………………………………………………5
　　
2.1样本特征库初步分析……………………………………………6
　　
2.2手写数字特征提取与分析………………………………………6
　　
3模式相似性测度……………………………………………………………6
　　
3.1模式相似性测度的基本概念……………………………………6
　　
3.2 距离测度分类法 ………………………………………………11
　　
4 基于概率统计的贝叶斯分类器设计 ……………………………………12
　　
4.1 贝叶斯决策的基本概念 ………………………………………12
　　
4.1.1贝叶斯决策所讨论的问题 ……………………………………13
　　
4.2正态分布决策理论 ……………………………………………14
　　
4.3关于分类器的错误率分 ………………………………………17
　　
5 分类器的设计……………………………………………………………18
　　
5.1 线性分类器的设计……………………………………………18
　　
6聚类分析 …………………………………………………………………21
　　
7 模糊聚类分析……………………………………………………………26
　　
7.1 建立模糊相似矩阵 ……………………………………………26  
　　
7.2 映射优化准则 …………………………………………………27
　　
7.3 基于遗传算法的动态模糊聚类 ………………………………28    
　　
结束语 ………………………………………………………………………30
　　
致谢 …………………………………………………………………………31  
　　
参考文献 ……………………………………………………………………32

资料文件预览：
共2文件夹，9个文件，文件总大小：1.61MB，压缩后大小：416.41KB

• 毕业设计-粗糙集理论在信息处理中的应用
• 刘金盼毕业设计
• liujinpan.ppt  [625.50KB]
• 中期报告l.doc  [34.00KB]
• 任务书jbr.doc  [28.00KB]
• 外文翻译完成.doc  [110.00KB]
• 开题报告jbr.doc  [30.00KB]
• 综述完成.doc  [54.00KB]
• 论文完成.doc  [703.50KB]
• 论文摘要.doc  [30.50KB]
• 论文目录完成.doc  [36.00KB]