| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-22页 |
| ·粒计算 | 第10-12页 |
| ·粗集理论 | 第12-16页 |
| ·数据融合概述 | 第16-19页 |
| ·论文的研究结果和组织结构 | 第19-22页 |
| 2 粗集理论概述 | 第22-46页 |
| ·粗集基本概念 | 第22-27页 |
| ·知识约简 | 第27-32页 |
| ·基于粗集理论的知识获取 | 第32-33页 |
| ·基于粗集理论的知识获取系统 | 第33-35页 |
| ·不完备信息系统及其粗集处理方法 | 第35-39页 |
| ·不完备信息系统的进一步拓展和发展 | 第39-44页 |
| ·小结 | 第44-46页 |
| 3 粒概念下粗集模型的一些扩展研究 | 第46-66页 |
| ·概述 | 第46-47页 |
| ·以最大相容类为基本粒对粗集模型加以扩展的研究 | 第47-51页 |
| ·多个主要粒之间的关系 | 第51-53页 |
| ·不同主要粒所诱导的上下近似集及其相互关系 | 第53-57页 |
| ·主要粒下的近似精度和熵 | 第57-58页 |
| ·不完备信息系统下的知识依赖及其度量 | 第58-64页 |
| ·集值不完备信息系统下的粗集模型扩展研究 | 第64-65页 |
| ·小结 | 第65-66页 |
| 4 相容关系和完全覆盖分别与冲突关系和一般覆盖间的关系 | 第66-80页 |
| ·有限论域上相容关系及完全覆盖的探讨 | 第66-69页 |
| ·完全覆盖和一般覆盖之间的关系 | 第69-73页 |
| ·冲突关系与相容关系之间的关系研究及相关算法设计 | 第73-79页 |
| ·小结 | 第79-80页 |
| 5 以最大相容类为基本粒的扩展粗集模型下近似集算法研究 | 第80-90页 |
| ·概述 | 第80页 |
| ·不同粒的求解算法 | 第80-83页 |
| ·近似集的求解算法 | 第83-86页 |
| ·例 | 第86-89页 |
| ·小结 | 第89-90页 |
| 6 改进变精度限制容差关系粗糙集模型及知识获取研究 | 第90-104页 |
| ·概述 | 第90-91页 |
| ·预备知识 | 第91-93页 |
| ·知识依赖及其度量 | 第93-95页 |
| ·一个通过变精度依赖进行约简的例子 | 第95-103页 |
| ·小结 | 第103-104页 |
| 7 粒概念下受限默认确定规则挖掘研究 | 第104-120页 |
| ·概述 | 第104页 |
| ·基于最大相容类从不完备决策表中获取规则 | 第104-108页 |
| ·基于Join类和Meet类挖掘受限默认确定性决策规则 | 第108-111页 |
| ·用区分矩阵优化受限默认确定决策规则 | 第111-117页 |
| ·与其他结果的比较 | 第117-119页 |
| ·小结 | 第119-120页 |
| 8 属性移动下近似集更新和一个增量学习算法 | 第120-128页 |
| ·概述 | 第120-121页 |
| ·几个基本记号 | 第121页 |
| ·属性迁移下上下近似集的更新公式 | 第121-123页 |
| ·例子 | 第123-124页 |
| ·挖掘默认确定决策规则的一个增量学习算法 | 第124-126页 |
| ·小结 | 第126-128页 |
| 9 基于优势关系近似集不同粒分解的文档扩充和查询 | 第128-140页 |
| ·引言 | 第128-129页 |
| ·文档相似性度量 | 第129-131页 |
| ·基本和非基本粒 | 第131-132页 |
| ·优势关系下的近似集分解 | 第132-133页 |
| ·使用分解实现文档扩充和特定查询 | 第133-139页 |
| ·小结 | 第139-140页 |
| 10 粒和粗集与D-S证据理论相结合在数据融合中的应用 | 第140-168页 |
| ·概述 | 第140-141页 |
| ·几个基本概念 | 第141-142页 |
| ·D-S理论基本知识 | 第142-143页 |
| ·D-S证据理论和扩展粗集模型在数据融合中的应用 | 第143-150页 |
| ·例 | 第150-166页 |
| ·几个简单结果 | 第166-167页 |
| ·小结 | 第167-168页 |
| 致谢 | 第168-170页 |
| 参考文献 | 第170-178页 |
| 攻读博士学位期间所发表的论文清单 | 第178页 |
