| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题研究背景 | 第7页 |
| ·故障诊断方法概述 | 第7-8页 |
| ·粗糙集理论 | 第8-11页 |
| ·粗糙集理论概述 | 第8-9页 |
| ·国内外研究及应用现状 | 第9-11页 |
| ·粗糙集故障诊断 | 第11-12页 |
| ·粗糙集故障诊断特点 | 第11-12页 |
| ·粗糙集在故障诊断中应用的主要方面 | 第12页 |
| ·本课题主要研究内容及论文安排 | 第12-13页 |
| 参考文献 | 第13-15页 |
| 第二章 基于粗糙集理论的知识约简 | 第15-29页 |
| ·前言 | 第15-16页 |
| ·粗糙集理论基本概念 | 第16-17页 |
| ·知识表达系统 | 第16页 |
| ·知识约简和核 | 第16-17页 |
| ·改进的基于核的知识约简算法 | 第17-21页 |
| ·分辨矩阵及核集的求取 | 第18-19页 |
| ·无决策系统的约简 | 第19页 |
| ·有决策系统的约简 | 第19-20页 |
| ·基于核的约简算法实例分析 | 第20-21页 |
| ·基于蚁群算法的粗糙集知识约简 | 第21-27页 |
| ·蚁群算法简介 | 第21-22页 |
| ·基于实数编码的蚁群算法 | 第22-24页 |
| ·改进的蚁群算法 | 第24-25页 |
| ·基于改进型蚁群算法的粗糙集知识约简 | 第25-26页 |
| ·CACO 约简仿真实例 | 第26-27页 |
| ·本章小结 | 第27页 |
| 参考文献 | 第27-29页 |
| 第三章 基于模糊粗糙集的知识约简 | 第29-37页 |
| ·引言 | 第29页 |
| ·模糊粗糙集数据约简的几个概念 | 第29-31页 |
| ·模糊信息系统 | 第29-30页 |
| ·模糊等价类 | 第30页 |
| ·模糊下近似和模糊上近似 | 第30页 |
| ·属性模糊依赖度分析 | 第30-31页 |
| ·模糊粗糙集属性约简算法 | 第31-33页 |
| ·快速约简算法 | 第31页 |
| ·基于改进型蚁群算法的模糊粗糙集约简 | 第31-33页 |
| ·算法有效性验证实例 | 第33-35页 |
| ·模糊粗糙集快速约简算法验证 | 第33-34页 |
| ·基于改进型蚁群算法的模糊粗糙集约简验证 | 第34-35页 |
| ·结论 | 第35页 |
| 参考文献 | 第35-37页 |
| 第四章 模糊粗糙集神经网络 | 第37-47页 |
| ·前言 | 第37页 |
| ·粗糙集神经网络系统结构 | 第37-39页 |
| ·弱耦合神经网络集成模式 | 第38页 |
| ·强耦合神经网络集成方式 | 第38-39页 |
| ·神经网络相关理论 | 第39-42页 |
| ·模糊神经网络结构 | 第39-40页 |
| ·模糊神经网络学习算法 | 第40-42页 |
| ·模糊粗糙集的决策规则及提取算法 | 第42-44页 |
| ·模糊粗糙集决策规则与度量 | 第42-44页 |
| ·模糊粗糙规则生成算法 | 第44页 |
| ·基于模糊粗糙集的强耦合神经网络结构介绍 | 第44-45页 |
| ·本章小结 | 第45页 |
| 参考文献 | 第45-47页 |
| 第五章 模糊粗糙神经网络在TEP 过程故障诊断中的具体应用 | 第47-59页 |
| ·田纳西－依斯曼过程（TENNESSEE-EASTMAN PROCESS,TEP） | 第47-50页 |
| ·TEP 过程简介 | 第47-48页 |
| ·过程变量 | 第48-49页 |
| ·过程故障 | 第49-50页 |
| ·基于模糊粗糙集的多级神经网络的TEP 过程故障诊断 | 第50-57页 |
| ·故障数据集的获取 | 第51页 |
| ·基于蚁群算法和模糊粗糙集的TEP 过程故障数据集的知识约简 | 第51-53页 |
| ·基于模糊粗糙集的TEP 过程故障规则提取 | 第53-55页 |
| ·基于强耦合模糊粗糙神经网络的TEP 过程故障诊断 | 第55-56页 |
| ·结果分析和讨论 | 第56-57页 |
| ·本章小结 | 第57页 |
| 参考文献 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·论文的主要工作及总结 | 第59页 |
| ·研究展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的论文 | 第62页 |
