| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·引言 | 第10-11页 |
| ·国内外技术现状 | 第11-13页 |
| ·本论文的研究背景和意义 | 第13页 |
| ·本论文的主要研究内容 | 第13-15页 |
| 2 粗糙集理论及其应用 | 第15-26页 |
| ·粗糙集理论发展概述 | 第15-18页 |
| ·粗糙集理论的起源和发展 | 第15页 |
| ·粗糙集理论的研究现状 | 第15-17页 |
| ·粗糙集理论的应用现状 | 第17-18页 |
| ·粗糙集的基本概念 | 第18-21页 |
| ·知识表达系统与不可分辨关系 | 第18-19页 |
| ·粗糙集上下近似与边界定义 | 第19-20页 |
| ·属性约简 | 第20-21页 |
| ·粗糙集中的属性约简算法 | 第21-25页 |
| ·删除法约简算法 | 第22-23页 |
| ·基于属性重要性的启发式约简算法 | 第23页 |
| ·基于差别矩阵的约简算法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 人工神经网络模型 | 第26-34页 |
| ·人工神经网络概述 | 第26-29页 |
| ·人工神经网络发展历程 | 第26-27页 |
| ·人工神经网络的分类 | 第27-29页 |
| ·人工神经网络的特点 | 第29页 |
| ·BP 人工神经网络 | 第29-33页 |
| ·BP 人工神经网络的结构 | 第30-31页 |
| ·BP 人工神经网络的学习算法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 4 粗糙集和神经网络结合技术在水质上的应用 | 第34-57页 |
| ·粗糙集方法与神经网络方法的特点 | 第34-38页 |
| ·两种方法结合的必要性 | 第34-35页 |
| ·粗糙集用于数据预处理 | 第35-36页 |
| ·粗糙元及粗糙元神经网络 | 第36-38页 |
| ·粗糙集作为前端处理器的神经网络模型在水质评价上的研究 | 第38-45页 |
| ·数据预处理 | 第38-40页 |
| ·网络结构的确定 | 第40-41页 |
| ·实验结果分析 | 第41-45页 |
| ·粗糙元神经网络在水质评价上的研究 | 第45-49页 |
| ·数据预处理 | 第45-46页 |
| ·网络结构的确定 | 第46-48页 |
| ·实验结果分析 | 第48-49页 |
| ·粗糙集和粗糙元神经网络结合在水质评价上的应用 | 第49-56页 |
| ·系统网络结构 | 第50-51页 |
| ·粗糙集方法的数据预处理 | 第51页 |
| ·粗糙元神经网络的训练 | 第51-52页 |
| ·仿真结果 | 第52-54页 |
| ·系统的实现 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 5 结论和展望 | 第57-59页 |
| ·工作总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64-66页 |