| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的及意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 粗糙集理论的研究现状 | 第12-13页 |
| 1.3.2 证据理论的研究现状 | 第13-15页 |
| 1.3.3 基于粗糙集的证据合成研究现状 | 第15-16页 |
| 1.3.4 研究现状评述 | 第16页 |
| 1.4 研究内容和论文结构 | 第16-18页 |
| 1.4.1 主要研究内容 | 第16-17页 |
| 1.4.2 本文的逻辑结构 | 第17-18页 |
| 2 相关理论基础 | 第18-28页 |
| 2.1 粗糙集理论 | 第18-20页 |
| 2.1.1 粗糙集的基本概念 | 第18-19页 |
| 2.1.2 粗糙集的近似集 | 第19-20页 |
| 2.2 可变精度粗糙集与贝叶斯粗糙集 | 第20-23页 |
| 2.2.1 可变精度粗糙集 | 第20-21页 |
| 2.2.2 贝叶斯粗糙集 | 第21-23页 |
| 2.3 证据理论 | 第23-25页 |
| 2.3.1 证据理论的基本概念 | 第23页 |
| 2.3.2 证据理论的合成 | 第23-25页 |
| 2.4 据冲突及合成方法的改进 | 第25-28页 |
| 2.4.1 证据冲突的提出 | 第25页 |
| 2.4.2 证据合成方法的改进 | 第25-28页 |
| 3 改进的贝叶斯粗糙集和属性约简方法 | 第28-37页 |
| 3.1 传统贝叶斯粗糙集的局限 | 第28-29页 |
| 3.2 改进的贝叶斯粗糙集 | 第29-32页 |
| 3.3 贝叶斯粗糙集的属性约简 | 第32-36页 |
| 3.3.1 基于下近似的贝叶斯粗糙集约简方法 | 第32-33页 |
| 3.3.2 基于下近似的贝叶斯粗糙集约简步骤 | 第33-34页 |
| 3.3.3 算例分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于改进贝叶斯粗糙集和证据理论的多准则决策方法 | 第37-51页 |
| 4.1 新的证据冲突度量及证据合成方法 | 第37-43页 |
| 4.1.1 证据理论中冲突度度量的不足 | 第37-38页 |
| 4.1.2 基于证据距离的冲突度度量 | 第38-40页 |
| 4.1.3 基于新冲突度度量方法的证据合成 | 第40-41页 |
| 4.1.4 数值算例 | 第41-43页 |
| 4.2 基于粗糙集的权重和证据获取方法 | 第43-46页 |
| 4.2.1 基于粗糙信息熵的权重获取方法 | 第43-44页 |
| 4.2.2 基于粗糙集的证据获取方法 | 第44-46页 |
| 4.3 基于贝叶斯粗糙集和证据理论的多准则决策方法 | 第46-49页 |
| 4.3.1 问题描述 | 第46页 |
| 4.3.2 决策步骤 | 第46-47页 |
| 4.3.3 算例分析 | 第47-49页 |
| 4.4 本章小结 | 第49-51页 |
| 5 基于改进贝叶斯粗糙集和证据理论的分类决策方法 | 第51-65页 |
| 5.1 完备系统下的分类决策方法 | 第51-58页 |
| 5.1.1 问题描述 | 第51页 |
| 5.1.2 基于支持度和置信增益函数的证据获取方法 | 第51-54页 |
| 5.1.3 决策步骤 | 第54-55页 |
| 5.1.4 算例分析 | 第55-58页 |
| 5.2 不完备系统下的分类决策方法 | 第58-63页 |
| 5.2.1 问题描述 | 第58页 |
| 5.2.2 基于限制容差关系和支持度的证据获取方法 | 第58-60页 |
| 5.2.3 决策步骤 | 第60-61页 |
| 5.2.4 算例分析 | 第61-63页 |
| 5.3 本章小结 | 第63-65页 |
| 6 结论与展望 | 第65-67页 |
| 参考文献 | 第67-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间主要研究成果 | 第75页 |
