| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-28页 |
| ·引言 | 第12-13页 |
| ·粗糙集理论及应用 | 第13-16页 |
| ·粗糙集理论的发展及现状 | 第13-14页 |
| ·粗糙集在电力系统中的应用 | 第14-16页 |
| ·粗糙集与神经网络的集成 | 第16-19页 |
| ·粗糙控制 | 第19-21页 |
| ·船舶电力系统综述 | 第21-26页 |
| ·本文的研究内容与结构安排 | 第26-28页 |
| 第二章 粗糙集基本理论 | 第28-40页 |
| ·不精确信息的描述 | 第28页 |
| ·知识与不可分辨关系 | 第28-31页 |
| ·决策表、约简与核 | 第31-32页 |
| ·区分矩阵与区分函数 | 第32-34页 |
| ·决策规则与规则约简 | 第34-36页 |
| ·粗糙集的信息论观点 | 第36-38页 |
| ·不完备信息系统及粗糙集扩展模型 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 径向基函数神经网络 | 第40-48页 |
| ·神经网络简介 | 第40-41页 |
| ·RBF神经网络理论 | 第41-46页 |
| ·径向基函数 | 第41-42页 |
| ·RBF网络的结构与工作原理 | 第42-43页 |
| ·多变量RBF插值问题 | 第43-44页 |
| ·RBF网络的学习算法 | 第44-46页 |
| ·RBF神经网络中心选取算法 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 粗糙集理论算法研究 | 第48-76页 |
| ·引言 | 第48-49页 |
| ·连续属性离散化 | 第49-54页 |
| ·离散化问题描述 | 第49-50页 |
| ·现有离散化方法 | 第50-51页 |
| ·基于微粒群优化的连续属性离散化 | 第51-54页 |
| ·基于粗糙集的属性约简 | 第54-70页 |
| ·属性的重要性度量 | 第54-55页 |
| ·属性的求核与约简 | 第55-57页 |
| ·基于正区域的属性求核与相对约简 | 第57-61页 |
| ·基于广义决策表的属性求核与相对约简 | 第61-66页 |
| ·不完备信息系统的属性相对约简 | 第66-70页 |
| ·决策规则约简算法 | 第70-75页 |
| ·本章小结 | 第75-76页 |
| 第五章 基于粗糙-RBF网络的船舶发电机动态建模 | 第76-112页 |
| ·引言 | 第76-77页 |
| ·船舶电力系统建模与仿真 | 第77-96页 |
| ·船舶电力系统机理建模 | 第81-88页 |
| ·船舶电力系统仿真 | 第88-96页 |
| ·基于粗糙集理论的RBF神经网络 | 第96-101页 |
| ·基于粗糙集的RBF网络参数选取 | 第98-99页 |
| ·基于粗糙集的RBF网络OLS学习算法 | 第99-101页 |
| ·基于粗糙-RBF网络的动态建模方法 | 第101-103页 |
| ·基于粗糙-RBF网络的船舶发电机动态建模仿真 | 第103-110页 |
| ·本章小结 | 第110-112页 |
| 第六章 基于粗糙混合智能方法的船舶发电机励磁控制 | 第112-151页 |
| ·引言 | 第112-113页 |
| ·基于粗糙-RBF网络辨识的船舶发电机励磁神经PID控制 | 第113-124页 |
| ·基于粗糙-RBF网络的神经PID励磁控制器设计 | 第114-117页 |
| ·船舶发电机励磁控制仿真实例 | 第117-124页 |
| ·粗糙-神经网络逆系统方法研究 | 第124-140页 |
| ·逆系统方法原理 | 第125-126页 |
| ·基于粗糙集的粗糙规则逆模型 | 第126-130页 |
| ·粗糙规则RBF网络推理引擎 | 第130-132页 |
| ·粗糙-神经网络逆控制方法研究 | 第132-140页 |
| ·粗糙-神经网络逆前馈补偿的船舶发电机励磁复合控制 | 第140-149页 |
| ·船舶发电机励磁粗糙-神经网络逆复合控制器设计 | 第140-144页 |
| ·船舶发电机励磁控制仿真实例 | 第144-149页 |
| ·本章小结 | 第149-151页 |
| 第七章 结论 | 第151-155页 |
| ·本文工作结论 | 第151-153页 |
| ·今后工作展望 | 第153-155页 |
| 致谢 | 第155-156页 |
| 参考文献 | 第156-171页 |
| 附录 攻读博士学位期间完成的学术论文 | 第171-172页 |