| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·决策支持系统的研究现状与发展 | 第8-9页 |
| ·本文的研究对象与工作 | 第9页 |
| ·研究对象 | 第9页 |
| ·研究工作 | 第9页 |
| ·本文内容安排 | 第9-11页 |
| 2 模糊集与粗糙集理论及应用 | 第11-21页 |
| ·模糊集 | 第11-13页 |
| ·模糊集合的概念 | 第11-12页 |
| ·模糊集合的表示方法 | 第12页 |
| ·模糊集合的运算 | 第12-13页 |
| ·模糊信息系统 | 第13-16页 |
| ·知识和信息系统 | 第13-15页 |
| ·模糊信息系统 | 第15-16页 |
| ·粗糙集 | 第16-20页 |
| ·粗糙集理论概述 | 第16-17页 |
| ·粗糙集理论特点 | 第17-19页 |
| ·粗糙集理论基本概念 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于点密度的模糊C-均值算法 | 第21-40页 |
| ·聚类分析概述 | 第21-23页 |
| ·模糊聚类算法概述 | 第23-24页 |
| ·模糊聚类算法研究现状 | 第23-24页 |
| ·模糊聚类目标函数 | 第24页 |
| ·硬C-均值算法实现 | 第24-25页 |
| ·模糊C-均值算法实现 | 第25-27页 |
| ·模糊C-均值算法实现 | 第26页 |
| ·对模糊系数m的研究 | 第26-27页 |
| ·基于点密度的距离函数对算法的优化 | 第27-29页 |
| ·实验与分析 | 第29-39页 |
| ·基于人造数据集的实验 | 第29-31页 |
| ·基于UCI数据集的实验 | 第31-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于模糊粗糙集的决策树算法 | 第40-55页 |
| ·粗糙集理论与模糊集理论的互补性研究 | 第40-41页 |
| ·粗糙性和模糊性的比较 | 第40页 |
| ·模糊集理论对粗糙集理论的补充 | 第40-41页 |
| ·决策树归纳概述 | 第41-42页 |
| ·决策树生成算法概述 | 第42-47页 |
| ·ID3学习算法 | 第44-45页 |
| ·模糊ID3学习算法 | 第45-47页 |
| ·基于模糊粗糙集理论的决策树算法实现 | 第47-54页 |
| ·基本定义 | 第48-50页 |
| ·算法实现 | 第50-51页 |
| ·实验分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 5 基于模糊粗糙集的决策树算法在气象灾害决策中的应用 | 第55-68页 |
| ·系统设计思路 | 第55-58页 |
| ·管理端设计 | 第56-57页 |
| ·用户端设计 | 第57-58页 |
| ·实例分析 | 第58-65页 |
| ·数据管理和决策信息展现 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |