Resumen

El reconocimiento de imágenes es un campo importante de la inteligencia artificial. Su idea básica es utilizar computadoras para clasificar automáticamente diferentes escenas en las imágenes adquiridas, en lugar de las tradicionales tareas de clasificación manual. En este artículo, a través del análisis de la teoría de conjuntos aproximados y la red de inteligencia artificial, así como el papel de ambos en el reconocimiento de imágenes, la teoría de conjuntos aproximados y la red de inteligencia artificial se combinan de manera orgánica, y se propone una red basada en la teoría de conjuntos aproximados y la red de inteligencia artificial. Utilizando el modelo de red de inteligencia artificial BP, el modelo de red de inteligencia artificial BP mejorado y el modelo PSO-SVM mejorado para identificar y clasificar las señales características extraídas y comparar los resultados, todos alcanzaron una tasa de acierto del 85%. El PCA y SVM se combinan y se aplican a la colección de dígitos escritos a mano MNIST para el reconocimiento y clasificación. A nivel de datos, se realiza una reducción de dimensionalidad en

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Reconocimiento de imágenes; Inteligencia artificial; Teoría de conjuntos aproximados; Red; Clasificación; Reducción de dimensionalidad
• Keywords:Image recognition; Artificial intelligence; Rough set theory; Network; Classification; Dimensionality reduction