基于粗糙集和RBF网络的动态建模方法研究
| 第一章 绪论 | 第1-19页 |
| ·复杂系统动态建模方法 | 第9-11页 |
| ·粗糙集理论 | 第11-13页 |
| ·粗糙集的发展及现状 | 第11-12页 |
| ·粗糙集的应用展望 | 第12-13页 |
| ·人工神经网络 | 第13-15页 |
| ·粗糙集与神经网络的集成 | 第15-17页 |
| ·本文的研究内容与结构安排 | 第17-19页 |
| 第二章 粗糙集基本理论 | 第19-29页 |
| ·知识与不可分辨关系 | 第19-20页 |
| ·区分矩阵与区分函数 | 第20-22页 |
| ·决策表、约简与核 | 第22-23页 |
| ·决策规则与规则约简 | 第23-26页 |
| ·信息熵 | 第26-27页 |
| ·粗糙集的信息论观点 | 第27-29页 |
| 第三章 RBF神经网络 | 第29-36页 |
| ·RBF神经网络理论基础 | 第29-33页 |
| ·RBF基函数 | 第29-30页 |
| ·RBF网络的结构与工作原理 | 第30-32页 |
| ·RBF网络的学习算法 | 第32-33页 |
| ·RBF神经网络中心选取算法 | 第33-36页 |
| 第四章 基于PSO的连续属性离散化 | 第36-43页 |
| ·连续属性的离散化 | 第36-38页 |
| ·离散化问题描述 | 第36-37页 |
| ·现有离散化方法 | 第37-38页 |
| ·基于PSO的离散化 | 第38-43页 |
| ·PSO算法 | 第39-40页 |
| ·离散化算法描述 | 第40-41页 |
| ·算例 | 第41-43页 |
| 第五章 属性求核与约简 | 第43-51页 |
| ·引言 | 第43页 |
| ·属性的重要性度量 | 第43-44页 |
| ·属性求核与约简 | 第44-46页 |
| ·基于正区域的属性约简与求核 | 第46-51页 |
| ·求核算法 | 第46-48页 |
| ·约简算法 | 第48-49页 |
| ·实例分析 | 第49-51页 |
| 第六章 基于粗糙集和RBF网络的动态建模 | 第51-71页 |
| ·引言 | 第51-52页 |
| ·粗糙集与神经网络的集成方式 | 第52-56页 |
| ·基于粗糙集理论的RBF神经网络 | 第56-59页 |
| ·RBF Gaussian基函数特性分析 | 第56-57页 |
| ·用粗糙集理论构造RBF网络 | 第57-59页 |
| ·基于粗糙集和RBF网络的动态建模方法 | 第59-61页 |
| ·仿真研究 | 第61-71页 |
| 第七章 结论与展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 附录 攻读硕士学位期间发表的论文 | 第79-80页 |
