| 第一章 绪论 | 第1-29页 |
| ·研究目的和意义 | 第15-16页 |
| ·研究背景与现状 | 第16-25页 |
| ·本文的主要研究内容 | 第25-27页 |
| ·本文的主要创新点 | 第27-29页 |
| 第二章 经典粗糙集理论的基本概念及扩展粗糙集方法 | 第29-40页 |
| ·引言 | 第29-30页 |
| ·知识及知识系统 | 第30页 |
| ·粗糙集理论的基本思想 | 第30-32页 |
| ·粗糙集理论的基本概念 | 第32-37页 |
| ·扩展的粗糙集模型 | 第37-39页 |
| ·粗糙集理论的应用 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第三章 基于相近关系的扩展粗糙集理论及其应用 | 第40-55页 |
| ·引言 | 第40-41页 |
| ·基于相近关系的粗糙集扩展模型及其属性约简 | 第41-50页 |
| ·基于相近关系的粗糙因子神经网络及其模式识别方法 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 基于支持向量机的粗糙前馈神经网络 | 第55-65页 |
| ·引言 | 第55-56页 |
| ·支持向量机的概念 | 第56页 |
| ·基于支持向量机的粗糙神经网络的原理和构造 | 第56-62页 |
| ·仿真验证 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 基于粗糙K-均值的椭球基函数神经网络及其模式识别应用 | 第65-79页 |
| ·引言 | 第65-66页 |
| ·粗糙K-均值方法选取椭球中心的改进椭球单元神经网络 | 第66-75页 |
| ·应用实例 | 第75-78页 |
| ·本章小结 | 第78-79页 |
| 第六章 基于实数粗糙集空间的自组织映射方法 | 第79-90页 |
| ·引言 | 第79-80页 |
| ·实数粗糙空间的概念 | 第80-82页 |
| ·自组织映射方法的改进 | 第82-87页 |
| ·基于歼击机的故障识别仿真 | 第87-89页 |
| ·本章小结 | 第89-90页 |
| 第七章 实域粗糙集理论及实域粗糙中心的基函数神经网络集成方法研究 | 第90-112页 |
| ·引言 | 第90-91页 |
| ·实域粗糙集理论及基于BEAM 搜索的属性约简方法 | 第91-103页 |
| ·实域粗糙中心的RBF 神经网络集成的方法研究 | 第103-111页 |
| ·本章小结 | 第111-112页 |
| 第八章 歼击机操纵面的故障诊断仿真应用 | 第112-128页 |
| ·引言 | 第112页 |
| ·歼击机的动力学模型及故障模型描述 | 第112-118页 |
| ·歼击机操纵面的故障诊断仿真研究 | 第118-127页 |
| ·本章小结 | 第127-128页 |
| 第九章 总结与展望 | 第128-130页 |
| 参考文献 | 第130-139页 |
| 致谢 | 第139-140页 |
| 在学期间的研究成果及发表的学术论文 | 第140页 |
