| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 研究内容及方法 | 第13-14页 |
| 1.4 本文的结构 | 第14-15页 |
| 2 粗糙集理论 | 第15-22页 |
| 2.1 粗糙集简介 | 第15-17页 |
| 2.1.1 粗糙集概述 | 第15-16页 |
| 2.1.2 粗糙集特点 | 第16页 |
| 2.1.3 粗糙集的研究现状 | 第16-17页 |
| 2.2 粗糙集基础理论 | 第17-21页 |
| 2.2.1 粗糙集基本概念 | 第17-20页 |
| 2.2.2 粗糙集的属性约简 | 第20页 |
| 2.2.3 基于 Pawlak 属性重要度的属性约简算法 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 人工神经网络 | 第22-31页 |
| 3.1 人工神经网络简介 | 第22-24页 |
| 3.1.1 人工神经网络概述 | 第22页 |
| 3.1.2 人工神经网络特点 | 第22-23页 |
| 3.1.3 人工神经网络的发展 | 第23页 |
| 3.1.4 人工神经网络的研究内容 | 第23-24页 |
| 3.1.5 人工神经网络的应用 | 第24页 |
| 3.2 人工神经网络模型 | 第24-25页 |
| 3.3 BP 神经网络 | 第25-30页 |
| 3.3.1 BP 神经网络简介 | 第25-26页 |
| 3.3.2 BP 神经网络结构 | 第26-28页 |
| 3.3.3 BP 神经网络设计 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 基于粗糙集-BP 神经网络的高校贫困生认定模型的建立 | 第31-34页 |
| 4.1 粗糙集与 BP 神经网络优势互补 | 第31-32页 |
| 4.2 建立粗糙集-BP 神经网络模型 | 第32-33页 |
| 4.2.1 粗糙集-BP 神经网络模型的优点 | 第32页 |
| 4.2.2 粗糙集-BP 神经网络模型结构 | 第32-33页 |
| 4.3 本章小结 | 第33-34页 |
| 5 基于粗糙集-BP 神经网络模型的高校贫困生认定研究 | 第34-47页 |
| 5.1 建立数据库 | 第34-35页 |
| 5.1.1 高校贫困生数据库中认定指标的确立 | 第34页 |
| 5.1.2 建立高校贫困生数据库 | 第34-35页 |
| 5.2 提取数据，建立原始决策表 | 第35-36页 |
| 5.2.1 论域的确定 | 第35页 |
| 5.2.2 条件属性的确定 | 第35页 |
| 5.2.3 决策属性的确定 | 第35-36页 |
| 5.3 原始决策表的数据预处理 | 第36-38页 |
| 5.3.1 数据的离散及归一化处理 | 第36-37页 |
| 5.3.2 属性约简 | 第37-38页 |
| 5.4 BP 神经网络模型的构造及训练 | 第38-43页 |
| 5.4.1 BP 神经网络模型的构造 | 第38-39页 |
| 5.4.2 BP 神经网络模型在 MATLAB 中的训练 | 第39-43页 |
| 5.5 BP 神经网络模型的 MATLAB 仿真 | 第43-44页 |
| 5.6 属性约简前后网络模型训练过程的性能比较 | 第44-46页 |
| 5.7 本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
