| 目录 | 第1-8页 |
| 摘要 | 第8-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第12-38页 |
| ·粗糙集理论的基本概念 | 第13-23页 |
| ·知识表达和信息系统[PawlakZ.1991] | 第13-15页 |
| ·粗糙集合[PawlakZ.1991] | 第15-17页 |
| ·知识的化简[PawlakZ.1991] | 第17-19页 |
| ·知识的依赖性[PawlakZ.1991] | 第19-21页 |
| ·决策系统[PawlakZ.1991] | 第21-23页 |
| ·粗糙集理论与其它智能理论 | 第23-28页 |
| ·粗糙集理论与模糊集理论 | 第23-24页 |
| ·粗糙集理论与神经网络 | 第24-25页 |
| ·粗糙集理论与遗传算法 | 第25-26页 |
| ·粗糙集理论与概念格 | 第26页 |
| ·粗糙集理论与证据理论 | 第26-27页 |
| ·粗糙集理论与其它理论 | 第27-28页 |
| ·粗糙集理论的应用软件 | 第28-29页 |
| ·粗糙集理论的研究方向 | 第29-35页 |
| ·粗糙集理论的理论研究 | 第29-33页 |
| ·粗糙集理论的应用研究 | 第33-35页 |
| ·论文研究内容和结构 | 第35-38页 |
| ·论文主要研究内容 | 第35-36页 |
| ·论文结构 | 第36-38页 |
| 第二章 粗糙集理论的分层递阶约简算法 | 第38-62页 |
| ·序 | 第38-39页 |
| ·粗糙集理论与信息理论 | 第39-43页 |
| ·知识的粗糙性与信息熵 | 第39-41页 |
| ·信息熵对知识不确定性的测量 | 第41-42页 |
| ·信息熵在粗糙集理论中的应用 | 第42-43页 |
| ·粗糙集理论的分层递阶约简算法 | 第43-53页 |
| ·分层递阶约简算法(The hierarchical reduction approach) | 第43-44页 |
| ·分层递阶约简算法的信息理论基础 | 第44-52页 |
| ·分层递阶约简算法的性质 | 第52-53页 |
| ·粗糙集理论的分层递阶约简算法示例 | 第53-60页 |
| ·水泥窑炉操作记录决策表的分层递阶约简 | 第56-58页 |
| ·信息熵计算验证 | 第58-59页 |
| ·分层递阶简约的实用性 | 第59-60页 |
| ·结论 | 第60-62页 |
| 第三章 不完备信息系统的粗糙集分层递阶约简算法 | 第62-84页 |
| ·序 | 第62-63页 |
| ·不完备信息系统 | 第63-67页 |
| ·不完备信息系统的定义及形成原因 | 第63页 |
| ·不完备信息系统的信息熵 | 第63-65页 |
| ·信息熵和粗糙熵及其函数特性 | 第65-67页 |
| ·不完备信息系统的完备化方法 | 第67-76页 |
| ·删除法 | 第67-69页 |
| ·扩展法 | 第69-70页 |
| ·默认值替代法 | 第70-73页 |
| ·相似模型法 | 第73-74页 |
| ·其它完备化方法 | 第74-75页 |
| ·完备化方法评价 | 第75-76页 |
| ·不完备信息系统的粗糙集分层递阶约简算法 | 第76-81页 |
| ·分层递阶约简算法 | 第76-78页 |
| ·信息理论基础 | 第78-80页 |
| ·若干性质 | 第80-81页 |
| ·不完备决策系统的分层递阶约简算法示例 | 第81-82页 |
| ·结论 | 第82-84页 |
| 第四章 基于粗糙集理论和BP神经网络的分层递阶约简算法 | 第84-106页 |
| ·序 | 第84-85页 |
| ·离散化方法 | 第85-90页 |
| ·离散化方法的意义、步骤和分类 | 第85-87页 |
| ·离散化方法介绍 | 第87-90页 |
| ·基于粗糙集理论和BP神经网络的分层递阶约简算法 | 第90-97页 |
| ·粗糙集理论与神经网络 | 第90-92页 |
| ·基于粗糙集理论和BP神经网络的分层递阶约简算法 | 第92-97页 |
| ·实例验证 | 第97-103页 |
| ·Credit-A数据库验证 | 第97-102页 |
| ·验证结果 | 第102-103页 |
| ·结论 | 第103-106页 |
| 第五章 统计筛选和线性判别分析相结合的分层递阶约简算法 | 第106-122页 |
| ·序 | 第106-107页 |
| ·基于马氏距离的线性判别分类算法 | 第107-113页 |
| ·基于马氏距离的线性判别分类算法 | 第107-109页 |
| ·实例验证 | 第109-113页 |
| ·统计筛选和线性判别分析相结合的分层递阶约简算法 | 第113-120页 |
| ·属性的统计筛选原理 | 第113-117页 |
| ·统计筛选和线性判别分析相结合的分层递阶约简算法 | 第117-120页 |
| ·结论 | 第120-122页 |
| 总结与展望 | 第122-126页 |
| 工作总结 | 第122-123页 |
| 工作展望 | 第123-126页 |
| 参考文献 | 第126-142页 |
| 攻读博士学位期间发表和录用的论文 | 第142-143页 |
| 致谢 | 第143页 |
