一种粗糙集优化协同原型模式约简分类方法

摘要

粗糙集是一种建立在分类机制基础上的刻划不完整性和不确定性的数学工具，能有效地分析不精确、不一致、不完整等各种不确定性信息，通过知识约简从中发现隐含的知识，揭示潜在的规律。协同模式识别是一种有着抗噪声、抗缺损、强鲁棒性等诸多优良特性的模式识别方法，原型向量的选取是关键，以特征值替代图像像素作为原型向量是研究的一个方向;本文利用粗糙集求取的最佳属性约简来优化原型模式，将基于粗糙集约简的原型模式的协同分类算法应用于宫颈鳞状上皮脱落细胞类型的识别，仿真结果表明该方法能有效地提高模式识别的识别率和可靠性，且识别速度也大大提高。