| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-24页 |
| ·论文研究背景 | 第11-14页 |
| ·混合不确定性表示研究现状 | 第14-20页 |
| ·作者的主要工作 | 第20-22页 |
| ·论文结构 | 第22-24页 |
| 第二章 不确定性描述的理论基础 | 第24-34页 |
| ·概率论 | 第24-26页 |
| ·证据理论 | 第26-28页 |
| ·模糊集理论 | 第28-31页 |
| ·粗糙集理论 | 第31-34页 |
| 第三章 基于数据的概率模糊系统建模方法 | 第34-83页 |
| ·引言 | 第34页 |
| ·模糊系统简介 | 第34-36页 |
| ·通过实例学习生成 Mamdani 型概率模糊规则基 | 第36-58页 |
| ·从数据集生成概率模糊规则基 | 第37-44页 |
| ·Mamdani 型概率模糊系统建模方法在非参数回归分析中的应用 | 第44-54页 |
| ·Mamdani 型概率模糊建模方法在时间序列预测中的应用 | 第54-57页 |
| ·小结 | 第57-58页 |
| ·基于遗传算法从数据学习概率模糊分类规则基 | 第58-74页 |
| ·模糊分类系统回顾 | 第59-60页 |
| ·基于概率模糊规则的分类系统设计 | 第60-63页 |
| ·基于遗传算法的模糊划分优化 | 第63-67页 |
| ·实验研究 | 第67-73页 |
| ·小结 | 第73-74页 |
| ·一种采用区间第二型模糊集的概率模糊分类系统 | 第74-83页 |
| ·研究动机 | 第74-75页 |
| ·第二型模糊集与第二型概率模糊分类规则 | 第75-76页 |
| ·基于区间第二型概率模糊规则的分类系统设计 | 第76-80页 |
| ·仿真举例 | 第80-82页 |
| ·小结 | 第82-83页 |
| 第四章 连续区间上具有模糊值信任函数的模糊证据理论 | 第83-102页 |
| ·引言 | 第83-85页 |
| ·理论基础 | 第85-86页 |
| ·模糊蕴含算子 | 第85页 |
| ·模糊集的概率 | 第85-86页 |
| ·Dempster-Shafer 证据理论 | 第86页 |
| ·连续区间上模糊证据理论的模糊值测度 | 第86-98页 |
| ·信任结构的模糊扩展 | 第87-88页 |
| ·有限空间上的模糊值信任函数 | 第88-90页 |
| ·连续区间上的模糊值信任函数 | 第90-92页 |
| ·模糊值测度的概率解释 | 第92-94页 |
| ·模糊值测度与模糊证据体的等价性 | 第94-98页 |
| ·应用举例 | 第98-100页 |
| ·结论 | 第100-102页 |
| 第五章 基于模糊属性刻画的 T 相似性关系的构造 | 第102-113页 |
| ·引言 | 第102-103页 |
| ·问题描述 | 第103-104页 |
| ·单属性 T 相似性关系的构造 | 第104-107页 |
| ·问题模型 | 第104-105页 |
| ·T 相似性关系的构建 | 第105-107页 |
| ·T 相似性关系的聚合 | 第107-109页 |
| ·构造举例 | 第109-112页 |
| ·总结 | 第112-113页 |
| 第六章 结束语 | 第113-115页 |
| ·工作总结 | 第113-114页 |
| ·工作展望 | 第114-115页 |
| 致谢 | 第115-116页 |
| 参考文献 | 第116-129页 |
| 作者在学期间取得的学术成果 | 第129-130页 |
| 附录 定理证明 | 第130-133页 |
