高　巍　遲　宇　趙　?！∈贰÷?/p>

粗糙集(Rough Sets，RS)理論是由波蘭科學家Z.Pawlak于1982年提出的，作為一種刻化具有不完整性和不確定性的信息全新數(shù)學工具，粗糙集理論算法簡單，易于操作。它的主要特點是具有很強的定性分析能力，即以不完全、不精確、不確定的信息或知識處理一些不分明現(xiàn)象的能力，或依據(jù)觀察、度量到的某些不精確的結(jié)果而進行分類數(shù)據(jù)的能力，可以直接對不完備信息進行處理，而不必進行完備化。人工神經(jīng)網(wǎng)絡(luò)(Arti- fieial Neural Network，ANN)，作為人工智能領(lǐng)域的一個重要分支，它最吸引人的一點是其數(shù)值逼近能力，它能夠處理定量的、數(shù)值化的信息。人工神經(jīng)網(wǎng)絡(luò)通過互相連接而形成網(wǎng)絡(luò)的拓撲結(jié)構(gòu)，并按某種規(guī)則對數(shù)據(jù)并行處理。作為一種自適應非線性動態(tài)系統(tǒng)，神經(jīng)網(wǎng)絡(luò)具有良好的容錯能力和自適應性，對應用系統(tǒng)的先驗概率分布要求較小，可以處理不完備、不精確的信息。由于神經(jīng)網(wǎng)絡(luò)具有信息處理速度快，數(shù)據(jù)存儲空間小，硬件處理系統(tǒng)結(jié)構(gòu)簡單等優(yōu)點，因而在數(shù)據(jù)融合中得到了廣泛應用。數(shù)據(jù)融合技術(shù)自提出以來，在很多領(lǐng)域都得到了廣泛的應用。隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的快速發(fā)展，它也成為主要的數(shù)據(jù)融合方法之一。但是傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)一般不能將輸入信息空間的維數(shù)簡化，當輸入信息空間存儲維數(shù)較大時，網(wǎng)絡(luò)不僅結(jié)構(gòu)復雜，而且訓練時間也很長。將粗糙集理論和神經(jīng)網(wǎng)絡(luò)結(jié)合起來，利用粗糙集理論簡化神經(jīng)網(wǎng)絡(luò)的訓練樣本，在保留有用信息的前提下消除冗余的數(shù)據(jù)，以提高訓練速度，從而提高整個融合系統(tǒng)的速度。