| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·粗糙集理论的研究现状及研究方向 | 第11-13页 |
| ·国内外粗糙集理论研究现状 | 第11-12页 |
| ·粗糙集理论的研究方向 | 第12-13页 |
| ·神经网络的研究现状及水平 | 第13-16页 |
| ·国内外神经网络的研究现状 | 第13-15页 |
| ·RBF网络的研究方向 | 第15-16页 |
| ·粗糙集和神经网络的集成 | 第16-17页 |
| ·本文的主要工作和结构安排 | 第17-19页 |
| 第二章 粗糙集理论及相关知识简介 | 第19-29页 |
| ·不精确范畴、近似与粗糙集 | 第19-20页 |
| ·知识与知识库 | 第20-22页 |
| ·知识的约简 | 第22-24页 |
| ·绝对约简 | 第22-23页 |
| ·相对约简 | 第23-24页 |
| ·知识的表达系统、决策表与决策规则 | 第24-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 RBF神经网络及其学习算法 | 第29-41页 |
| ·引言 | 第29页 |
| ·RBF神经网络的理论基础 | 第29-31页 |
| ·RBF网络的工作原理 | 第29-30页 |
| ·径向基函数的选择 | 第30-31页 |
| ·RBF网络的学习算法 | 第31-38页 |
| ·基于K-means聚类的数据中心选择算法 | 第31-32页 |
| ·基于梯度下降的学习算法 | 第32-33页 |
| ·模糊C均值聚类算法 | 第33-34页 |
| ·正交最小二乘算法 | 第34-37页 |
| ·遗传算法 | 第37-38页 |
| ·RBF网络的函数逼近能力 | 第38-39页 |
| ·逼近问题 | 第38-39页 |
| ·仿真研究 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第四章 属性值约简算法和粗糙集理论在MATLAB中的实现 | 第41-51页 |
| ·引言 | 第41页 |
| ·一种属性值约简算法 | 第41-43页 |
| ·应用实例 | 第43-46页 |
| ·粗糙集理论在MATLAB中的实现 | 第46-49页 |
| ·粗糙集数据分析程序简介 | 第46-47页 |
| ·仿真研究 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 基于粗糙集的RBF神经网络结构设计 | 第51-65页 |
| ·粗糙集与神经网络结合的可能性 | 第51-52页 |
| ·粗糙集与神经网络结合的主要方式 | 第52-55页 |
| ·基于粗糙集理论和OLS算法的RBF网络的结构设计 | 第55-57页 |
| ·基于粗糙集理论的神经网路结构设计方法 | 第55-57页 |
| ·RBF神经网络模型检验 | 第57页 |
| ·仿真研究 | 第57-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 结束语 | 第65-67页 |
| ·论文总结 | 第65页 |
| ·进一步工作与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |