| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 国内外研究现状及发展势态 | 第9-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 粗糙集与模糊集的基本概念 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 粗糙集理论概述 | 第16-22页 |
| 2.2.1 信息与决策系统 | 第16-17页 |
| 2.2.2 等价类与上下近似集 | 第17-19页 |
| 2.2.3 属性的依赖性和重要性 | 第19-21页 |
| 2.2.4 属性的约简和求核 | 第21-22页 |
| 2.3 模糊集理论 | 第22-24页 |
| 2.3.1 模糊集的定义 | 第22-23页 |
| 2.3.2 模糊集的隶属度 | 第23-24页 |
| 2.4 模糊粗糙集 | 第24-26页 |
| 2.4.1 模糊粗糙集的基本概念 | 第24-26页 |
| 2.4.2 粗糙集与模糊集的结合 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 模糊粗糙集属性约简 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 属性模糊化 | 第28-35页 |
| 3.2.1 模糊C均值聚类 | 第29-31页 |
| 3.2.2 初始聚类中心与聚类数目 | 第31-34页 |
| 3.2.2.1 聚类中心初始化 | 第31-32页 |
| 3.2.2.2 聚类类别数目 | 第32-34页 |
| 3.2.3 自适应模糊C均值聚类的模糊化算法步骤 | 第34-35页 |
| 3.3 模糊粗糙集属性约简 | 第35-38页 |
| 3.3.1 模糊粗糙集Quick Reduct算法 | 第36页 |
| 3.3.2 模糊粗糙集Quick Reduct算法改进方案 | 第36-38页 |
| 3.4 实验分析 | 第38-41页 |
| 3.4.1 实例分析 | 第38-40页 |
| 3.4.2 不同实验数据集分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于粗糙集理论的感知规则挖掘 | 第42-53页 |
| 4.1 引言 | 第42页 |
| 4.2 基于粗糙集属性重要性的感知规则提取 | 第42-46页 |
| 4.2.1 全局属性重要性 | 第42-43页 |
| 4.2.2 局域属性重要性 | 第43-44页 |
| 4.2.3 属性重要性感知规则应用 | 第44-46页 |
| 4.3 基于局域属性依赖性的感知决策规则提取 | 第46-50页 |
| 4.3.1 局域属性依赖性方法 | 第47-48页 |
| 4.3.2 局域属性依赖度感知决策规则提取应用 | 第48-50页 |
| 4.4 基于感知规则的多源传感器管理仿真 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 无人机协同组网探测任务规划 | 第53-64页 |
| 5.1 引言 | 第53页 |
| 5.2 多无人机组网问题数学模型 | 第53-57页 |
| 5.2.1 多无人机组网问题简单描述 | 第53-54页 |
| 5.2.2 无人机和目标数学模型 | 第54-55页 |
| 5.2.3 无人机组网传感器资源分配中的收益代价 | 第55-57页 |
| 5.3 基于多组群蚁群优化的任务分配方法 | 第57-61页 |
| 5.3.1 多组群的蚁群算法 | 第58-59页 |
| 5.3.2 k-opt算法 | 第59-60页 |
| 5.3.3 多组群蚁群算法步骤 | 第60-61页 |
| 5.4 多无人机组网探测实例分析 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻硕期间取得成果 | 第71-72页 |