| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 前言 | 第7-9页 |
| 第一章 预备知识 | 第9-16页 |
| ·神经网络 | 第9页 |
| ·模糊数学 | 第9-11页 |
| ·模糊数学的产生 | 第9-10页 |
| ·模糊集的定义 | 第10-11页 |
| ·模糊集的运算 | 第11页 |
| ·Rough集 | 第11-16页 |
| ·知识与知识库 | 第11-12页 |
| ·Rough集的定义 | 第12-13页 |
| ·信息系统和决策表 | 第13页 |
| ·知识约简 | 第13-14页 |
| ·核与约简的关系 | 第14-16页 |
| 第二章 基于依赖度的属性约简算法 | 第16-23页 |
| ·属性约简的基础知识 | 第16页 |
| ·基于依赖度的属性约简算法 | 第16-17页 |
| ·基于依赖度的属性约简算法的分析 | 第17-20页 |
| ·一种改进的约简算法 | 第20-23页 |
| 第三章 基于Rough集理论的Rough神经网络构造方法 | 第23-29页 |
| ·粗糙集智能数据分析 | 第23-26页 |
| ·基本概念 | 第23-24页 |
| ·概念的不可分辨关系和边界 | 第24-25页 |
| ·规则的匹配度和适用度 | 第25-26页 |
| ·粗糙神经网络的结构和学习算法 | 第26-29页 |
| ·粗糙神经网络的基本结构 | 第26-27页 |
| ·粗糙神经网络的分支预测算法 | 第27-29页 |
| 第四章 基于Rough集理论的模糊神经网络构造方法 | 第29-33页 |
| ·利用Rough集理论获取规则 | 第29页 |
| ·构造模糊神经网络结构 | 第29-31页 |
| ·网络的学习算法 | 第31-33页 |
| 第五章 基于区间值推理的粗糙模糊神经网络构造方法 | 第33-36页 |
| ·区间值模糊推理 | 第33页 |
| ·用Rough集理论获取规则 | 第33-34页 |
| ·间值推理的粗糙模糊神经网络的结构 | 第34-35页 |
| ·网络的学习算法 | 第35页 |
| ·结论 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 致谢 | 第38页 |