| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 主要符号对照表 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景、目的及意义 | 第12-13页 |
| 1.2 粗糙集理论的发展与现状 | 第13-16页 |
| 1.2.1 对经典粗糙集模型的推广 | 第13-14页 |
| 1.2.2 粗糙集中不确定问题的理论研究 | 第14页 |
| 1.2.3 属性约简算法研究 | 第14-15页 |
| 1.2.4 粗糙集与其他不确定性理论相结合 | 第15-16页 |
| 1.2.5 与人工智能领域的结合和应用研究 | 第16页 |
| 1.3 心电图自动分析研究现状 | 第16-17页 |
| 1.4 本文的主要研究内容与组织结构 | 第17-19页 |
| 第二章 粗糙集基本理论与约简方法 | 第19-45页 |
| 2.1 基本概念 | 第19-29页 |
| 2.1.1 知识与分类 | 第19-21页 |
| 2.1.2 知识表达系统与粗糙集的概念 | 第21-24页 |
| 2.1.3 Pawlak近似精度与改进 | 第24-29页 |
| 2.2 知识约简 | 第29-30页 |
| 2.3 决策信息系统的约简算法 | 第30-37页 |
| 2.3.1 基于正域的相对约简 | 第31-33页 |
| 2.3.2 基于知识依赖性的约简 | 第33-36页 |
| 2.3.3 基于依赖度的约简算法改进 | 第36-37页 |
| 2.4 知识表达系统的协调性及其约简算法 | 第37-44页 |
| 2.4.1 知识表达系统的协调性 | 第37-39页 |
| 2.4.2 不协调决策信息系统的属性约简方法的改进 | 第39-44页 |
| 2.5 本章小结 | 第44-45页 |
| 第三章 基于粗糙集的粒计算模型与知识发现 | 第45-69页 |
| 3.1 粒计算的基本概念 | 第45-47页 |
| 3.1.1 粒计算的起源与发展 | 第45-46页 |
| 3.1.2 粒度计算的基本构成 | 第46-47页 |
| 3.2 粒计算的主要理论模型 | 第47-49页 |
| 3.2.1 基于模糊集合论的词计算理论的粒计算模型 | 第47页 |
| 3.2.2 基于商空间的粒计算模型 | 第47-48页 |
| 3.2.3 基于粗糙集的粒计算模型 | 第48页 |
| 3.2.4 基于概念格理论的粒计算模型 | 第48-49页 |
| 3.3 基于知识粒度的属性约简 | 第49-59页 |
| 3.3.1 经典粗糙集上知识粒的表示 | 第49-52页 |
| 3.3.2 基于知识粒度的属性约简 | 第52-56页 |
| 3.3.3 无属性核的信息系统的约简算法 | 第56-59页 |
| 3.4 一般二元关系上的粒计算扩展模型 | 第59-68页 |
| 3.4.1 二元关系上的粗糙集 | 第59-64页 |
| 3.4.2 一般二元关系下信息系统知识的描述 | 第64-65页 |
| 3.4.3 一般二元关系下信息系统的知识粒度及应用 | 第65-68页 |
| 3.5 本章小结 | 第68-69页 |
| 第四章 基于粒计算的认知模型及其应用 | 第69-85页 |
| 4.1 基于概念格的认知模型 | 第70-75页 |
| 4.1.1 概念格的基本定义 | 第70-73页 |
| 4.1.2 概念格上的粒计算认知模型 | 第73-75页 |
| 4.2 基于粗糙集的认知模型 | 第75-83页 |
| 4.2.1 认知系统 | 第75-76页 |
| 4.2.2 认知系统的信息粒 | 第76-79页 |
| 4.2.3 认知信息粒在信息系统约简中的应用 | 第79-81页 |
| 4.2.4 认知决策与分类 | 第81-83页 |
| 4.3 本章小结 | 第83-85页 |
| 第五章 粗糙集在心电信号识别中的应用 | 第85-103页 |
| 5.1 心电图基本常识与测量 | 第85-90页 |
| 5.1.1 常规导联系统 | 第86-87页 |
| 5.1.2 心电图的测量与各段的意义 | 第87-88页 |
| 5.1.3 常用的标准ECG数据库简介 | 第88-90页 |
| 5.2 心电信号自动分析技术 | 第90-94页 |
| 5.2.1 信号预处理 | 第90-91页 |
| 5.2.2 心电特征参数的定义 | 第91-92页 |
| 5.2.3 波形检测与特征提取 | 第92-93页 |
| 5.2.4 特征选择 | 第93页 |
| 5.2.5 ECG信号分类 | 第93-94页 |
| 5.3 粗糙集在ECG信号识别中的应用 | 第94-102页 |
| 5.3.1 信息系统的建立 | 第94-98页 |
| 5.3.2 基于粗糙集的属性约简及规则提取 | 第98-99页 |
| 5.3.3 基于SVM方法的实验结果 | 第99-102页 |
| 5.4 本章小结 | 第102-103页 |
| 第六章 总结与展望 | 第103-105页 |
| 6.1 全文总结 | 第103-104页 |
| 6.2 需要进一步研究的问题 | 第104-105页 |
| 致谢 | 第105-106页 |
| 参考文献 | 第106-119页 |
| 攻读博士学位期间取得的成果 | 第119-121页 |
