| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·遥感图像分类技术简介 | 第10-12页 |
| ·粗集神经网络研究现状 | 第12-13页 |
| ·论域空间划分研究现状 | 第13-14页 |
| ·本文的研究内容 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 第2章 粗糙集与模糊集的基本概念和理论 | 第16-28页 |
| ·粗糙集的基本概念 | 第16-20页 |
| ·知识的表达 | 第17-18页 |
| ·决策表 | 第18页 |
| ·粗糙集的定义 | 第18-19页 |
| ·粗糙集的不确定性度量 | 第19-20页 |
| ·属性约简 | 第20-23页 |
| ·属性的依赖度 | 第20-21页 |
| ·属性的约简与核 | 第21页 |
| ·属性的相对约简与相对核 | 第21-23页 |
| ·模糊集理论的基本概念 | 第23-26页 |
| ·模糊集合的基本概念 | 第24-25页 |
| ·模糊隶属函数（Membership Function） | 第25-26页 |
| ·模糊相似关系和等价关系 | 第26页 |
| ·粗糙集和模糊集的比较 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第3章 基于聚类的论域空间模糊划分方法 | 第28-38页 |
| ·粗糙集理论中关于离散化问题的描述 | 第28-29页 |
| ·属性模糊化 | 第29-34页 |
| ·模糊C-均值聚类算法FCM | 第29-30页 |
| ·带交叉变异算子的PSO 算法CMPSO | 第30-33页 |
| ·模糊C-均值聚类改进算法CMPSO-FCM | 第33-34页 |
| ·算法试验和结果 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于粗糙集数据分析的属性约简和模糊规则提取 | 第38-48页 |
| ·模糊粗糙集 | 第38-39页 |
| ·属性约简 | 第39-47页 |
| ·基于属性依赖度的模糊粗糙集属性约简算法 | 第39-44页 |
| ·基于信息熵的模糊粗糙集属性约简算法 | 第44-46页 |
| ·实例分析 | 第46-47页 |
| ·规则提取 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第5章 粗集神经网络模型及其在遥感图像分类中的应用 | 第48-61页 |
| ·BP 算法的原理 | 第48-51页 |
| ·BP 神经网络的前馈计算 | 第48-49页 |
| ·BP 神经网络的误差反向传播和权值的调整 | 第49-51页 |
| ·粗神经网络模型 | 第51-53页 |
| ·试验 | 第53-60页 |
| ·模式分类试验 | 第53-56页 |
| ·遥感图像分类试验 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 总结和展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录A (攻读硕士学位期间已公开发表的论文) | 第68-69页 |
| 附录B 作者在攻读硕士学位期间参与科研项目的情况 | 第69页 |
