| 摘要 | 第1-17页 |
| ABSTRACT | 第17-22页 |
| 第一章 绪论 | 第22-38页 |
| ·研究意义 | 第22-24页 |
| ·复杂数据是现代社会中数据资源和知识发现的主体 | 第22页 |
| ·认知机理在复杂数据建模中具有重要作用 | 第22-23页 |
| ·借鉴人类的粒化认知机理有望诞生新的数据建模理论与方法 | 第23-24页 |
| ·对相关领域发展的重要意义 | 第24页 |
| ·基于粒化机理的数据建模研究现状 | 第24-32页 |
| ·信息粒化研究进展 | 第24-27页 |
| ·复杂数据的不确定性分析研究进展 | 第27-29页 |
| ·基于粒化机理的计算模型研究进展 | 第29-32页 |
| ·三个核心科学问题 | 第32-34页 |
| ·如何有效地进行复杂数据信息粒化 | 第32-33页 |
| ·如何分析粒化的不确定性 | 第33页 |
| ·如何借鉴粒化机理进行数据建模 | 第33-34页 |
| ·本文的研究思路和创新 | 第34-36页 |
| ·本文的研究内容和组织结构 | 第36-38页 |
| 第二章 信息粒化 | 第38-78页 |
| ·基于二元关系的信息粒化 | 第38-39页 |
| ·精确信息粒化 | 第38-39页 |
| ·模糊信息粒化 | 第39页 |
| ·基于聚类的数值数据信息粒化 | 第39-41页 |
| ·带测量误差数据的信息粒化 | 第41-55页 |
| ·问题提出 | 第41-43页 |
| ·误差数距离 | 第43-45页 |
| ·基于误差数距离的信息粒化 | 第45页 |
| ·实验分析 | 第45-55页 |
| ·基于聚类的符号数据信息粒化 | 第55-64页 |
| ·问题提出 | 第55-56页 |
| ·k-modes算法 | 第56-57页 |
| ·k-representatives算法 | 第57-60页 |
| ·实验分析 | 第60-64页 |
| ·集值数据的信息粒化 | 第64-70页 |
| ·问题提出 | 第64-65页 |
| ·析取型集值数据的信息粒化 | 第65-66页 |
| ·合取型集值数据的信息粒化 | 第66-67页 |
| ·实验分析 | 第67-70页 |
| ·缺省数据的信息粒化 | 第70-74页 |
| ·问题提出 | 第70页 |
| ·基于非完备邻域距离的k-representatives算法 | 第70-71页 |
| ·实验分析 | 第71-74页 |
| ·在基因聚类中的应用 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 本章内容相关的论文 | 第77-78页 |
| 第三章 粒空间结构 | 第78-98页 |
| ·知识表示 | 第78-81页 |
| ·精确粒空间的知识表示 | 第78-79页 |
| ·模糊粒空间的知识表示 | 第79-81页 |
| ·粒空间运算—合成、分解与转换 | 第81-86页 |
| ·精确粒空间运算 | 第81-84页 |
| ·模糊粒空间运算 | 第84-86页 |
| ·粒空间的代数结构 | 第86-89页 |
| ·精确粒空间的代数结构 | 第86-87页 |
| ·模糊粒空间的代数结构 | 第87-89页 |
| ·粒空间的几何结构 | 第89-96页 |
| ·精确粒空间距离 | 第89-94页 |
| ·模糊粒空间距离 | 第94-96页 |
| ·本章小结 | 第96-97页 |
| 本章内容相关的论文 | 第97-98页 |
| 第四章 信息粒度 | 第98-126页 |
| ·精确粒空间的信息粒度 | 第98-114页 |
| ·精确粒空间的信息粒度度量 | 第98-99页 |
| ·精确粒空间上的偏序关系 | 第99-103页 |
| ·精确信息粒度的公理化方法 | 第103-106页 |
| ·信息熵及其粒化单调性 | 第106-114页 |
| ·模糊粒空间的信息粒度 | 第114-124页 |
| ·模糊粒空间的信息粒度度量 | 第114-116页 |
| ·模糊粒空间上的偏序关系 | 第116-119页 |
| ·模糊信息粒度的公理化方法 | 第119-121页 |
| ·模糊信息熵及其粒化单调性 | 第121-124页 |
| ·本章小结 | 第124页 |
| 本章内容相关的论文 | 第124-126页 |
| 第五章 基于多粒度的数据建模 | 第126-158页 |
| ·问题描述 | 第126-127页 |
| ·乐观多粒度粗糙集 | 第127-142页 |
| ·Pawlak粗糙集理论 | 第127-128页 |
| ·乐观粗糙近似 | 第128-137页 |
| ·多粒度粗糙集中的几个度量 | 第137-140页 |
| ·特征选择 | 第140-142页 |
| ·悲观多粒度粗糙集 | 第142-148页 |
| ·悲观粗糙近似 | 第142-146页 |
| ·粗糙成员函数 | 第146-147页 |
| ·多粒度粗糙集中的规则 | 第147-148页 |
| ·带概念描述的多粒度粗糙集 | 第148-153页 |
| ·粗糙近似 | 第149-151页 |
| ·粒选择 | 第151-152页 |
| ·粒度选择 | 第152-153页 |
| ·在风险投资分析中的应用 | 第153-155页 |
| ·本章小结 | 第155-156页 |
| 本章内容相关的论文 | 第156-158页 |
| 第六章 基于动态粒度的数据建模 | 第158-206页 |
| ·问题描述 | 第158-159页 |
| ·动态粒度下的概念近似 | 第159-166页 |
| ·正向近似 | 第159-161页 |
| ·逆向近似 | 第161-166页 |
| ·向近似:一种粗糙特征选择加速器 | 第166-183页 |
| ·前向特征选择算法 | 第166-167页 |
| ·四个代表性属性重要性度量 | 第167-170页 |
| ·特征选择的保序性 | 第170-173页 |
| ·基于正向近似的粗糙特征选择算法 | 第173-174页 |
| ·算法的时间高效性分析 | 第174-179页 |
| ·算法的稳定性分析 | 第179-183页 |
| ·非完备正向近似:一种非完备粗糙特征选择加速器 | 第183-199页 |
| ·非完备正向近似 | 第183-187页 |
| ·三个代表性属性重要性度量 | 第187-188页 |
| ·特征选择的保序性 | 第188-191页 |
| ·基于非完备正向近似的特征选择算法 | 第191-194页 |
| ·算法的时间高效性分析 | 第194-198页 |
| ·算法的稳定性分析 | 第198-199页 |
| ·在高维海量数据的规则发现中的应用 | 第199-203页 |
| ·本章小结 | 第203-204页 |
| 本章内容相关的论文 | 第204-206页 |
| 第七章 基于序化粒度的数据建模 | 第206-234页 |
| ·问题描述 | 第206-207页 |
| ·五类序信息系统 | 第207-212页 |
| ·单值序信息系统 | 第207页 |
| ·非完备序信息系统 | 第207-208页 |
| ·区间序信息系统 | 第208-209页 |
| ·合取集值序信息系统 | 第209-210页 |
| ·析取集值序信息系统 | 第210-212页 |
| ·排序决策 | 第212-216页 |
| ·优势粗糙集 | 第216-217页 |
| ·有序分级决策 | 第217-223页 |
| ·有序决策的特征选择 | 第223-228页 |
| ·在股票投资中的应用 | 第228-231页 |
| ·本章小结 | 第231-232页 |
| 本章内容相关的论文 | 第232-234页 |
| 第八章 模型选择与评价 | 第234-270页 |
| ·问题提出 | 第234-235页 |
| ·完备决策规则集的决策性能评价方法 | 第235-247页 |
| ·完备决策规则 | 第235-236页 |
| ·完备决策信息系统的分类 | 第236页 |
| ·完备决策规则集的决策性能评价指标 | 第236-245页 |
| ·实验分析 | 第245-247页 |
| ·非完备决策规则集的决策性能评价方法 | 第247-260页 |
| ·非完备决策规则 | 第248-249页 |
| ·非完备决策信息系统的分类 | 第249-250页 |
| ·非完备决策规则集的决策性能评价指标 | 第250-258页 |
| ·实验分析 | 第258-260页 |
| ·序决策规则集的决策性能评价方法 | 第260-267页 |
| ·序决策规则 | 第261页 |
| ·序决策规则集的决策性能评价指标 | 第261-266页 |
| ·实验分析 | 第266-267页 |
| ·本章小结 | 第267-269页 |
| 本章内容相关的论文 | 第269-270页 |
| 结论及展望 | 第270-274页 |
| 参考文献 | 第274-290页 |
| 研究成果 | 第290-294页 |
| 攻读博士学位期间主持(参与)的科研项目 | 第294-296页 |
| 攻读博士学位期间获奖及登记的计算机软件著作权 | 第296-298页 |
| 致谢 | 第298-300页 |
| 个人简况及联系方式 | 第300-304页 |