| 中文摘要 | 第10-12页 |
| 英文摘要 | 第12页 |
| 第一篇 绪论和预备知识 | 第14-46页 |
| 第一章 绪论 | 第16-34页 |
| 1．1 信息融合技术现状和研究方向 | 第16-18页 |
| 1．2 本研究的应用背景——水域监测信息融合 | 第18-20页 |
| 1．2．1 环境监测的实际需要 | 第18-19页 |
| 1．2．2 理论上的研究价值 | 第19-20页 |
| 1．3 基于数据挖掘技术的信息融合研究方法 | 第20-21页 |
| 1．4 基于粗集理论、Bayesian网络和多元统计的数据挖掘方法 | 第21-29页 |
| 1．4．1 粗集的特点及与其它不确定性理论的比较 | 第21-26页 |
| 1．4．1．1 知识与分类的观点 | 第22页 |
| 1．4．1．2 新型的成员关系 | 第22-23页 |
| 1．4．1．3 概念的边界 | 第23页 |
| 1．4．1．4 知识的粒度 | 第23页 |
| 1．4．1．5 粗集与模糊集的关系 | 第23-24页 |
| 1．4．1．6 粗集与D-S理论的关系 | 第24页 |
| 1．4．1．7 粗集的缺点和应用中遇到的困难 | 第24-25页 |
| 1．4．1．8 粗集理论的应用 | 第25-26页 |
| 1．4．2 Bayesian方法、Bayesian网络理论和因果连接模型 | 第26-28页 |
| 1．4．2．1 Bayesian方法、Bayesian网络理论和因果连接模型 | 第26-27页 |
| 1．4．2．2 因果连接模型方法与Bayesian分类的比较 | 第27-28页 |
| 1．4．2．3 因果连接模型与基于规则方法的比较 | 第28页 |
| 1．4．2．4 因果连接模型与粗集方法的比较 | 第28页 |
| 1．4．3 多元统计方法——多总体均值检验、PCA、因子分析与旋转和对应分析 | 第28-29页 |
| 1．5 论文研究的内容 | 第29-30页 |
| 1．6 论文结构 | 第30-34页 |
| 第二章 预备知识：粗集和因果连接模型的基本理论 | 第34-46页 |
| 2．1 粗集的基本概念 | 第35-42页 |
| 2．1．1 知识表达和信息表 | 第35页 |
| 2．1．2 知识的等价、特化和推广 | 第35-36页 |
| 2．1．3 粗集集合 | 第36-37页 |
| 2．1．4 知识的化简 | 第37-39页 |
| 2．1．4．1 约简与核 | 第37-38页 |
| 2．1．4．2 知识的相对约简与相对核 | 第38-39页 |
| 2．1．5 知识的依赖性 | 第39-40页 |
| 2．1．5．1 知识依赖性定义 | 第39页 |
| 2．1．5．2 知识依赖性度量 | 第39-40页 |
| 2．1．6 属性的重要性、决策表和相容性 | 第40-41页 |
| 2．1．6．1 属性的重要性 | 第40页 |
| 2．1．6．2 决策表和相容性 | 第40-41页 |
| 2．1．7 Q,d-规则 | 第41-42页 |
| 2．2 基于贪婪原理的因果连接模型 | 第42-45页 |
| 2．2．1 基于贪婪原理的因果连接模型 | 第42-45页 |
| 2．2．1．1 因果连接模型的基本定义 | 第42-43页 |
| 2．2．1．2 因果连接模型选择解释的原则 | 第43-45页 |
| 2．3 本章小结 | 第45-46页 |
| 第二篇 粗集方法 | 第46-74页 |
| 第三章 基于信息熵的属性约简 | 第48-62页 |
| 3．1 动态属性约简 | 第49-57页 |
| 3．1．1 粗集约简γ准则的缺点 | 第49-50页 |
| 3．1．2 信息熵准则 | 第50-52页 |
| 3．1．2．1 H~（det）（d|Q）信息熵准则 | 第51页 |
| 3．1．2．2 信息H~（loc）（d|Q）熵准则 | 第51-52页 |
| 3．1．3 动态属性约简算法 | 第52-54页 |
| 3．1．4 动态属性约简的一个示例 | 第54-57页 |
| 3．1．4．1 结果和说明 | 第54-55页 |
| 3．1．4．2 与静态约简的比较 | 第55-57页 |
| 3．2 完全基于信息熵的动态属性约简 | 第57-61页 |
| 3．2．1 完全基于信息熵的动态属性约简算法 | 第57-59页 |
| 3．2．2 基于信息熵的动态属性约简算法示例 | 第59-61页 |
| 3．2．2．1 属性间有确定性关系的例子 | 第59-60页 |
| 3．2．2．2 属性间是概率因果关系的例子 | 第60-61页 |
| 3．3 本章小结 | 第61-62页 |
| 第四章 粗集理论在信息融合中的应用 | 第62-74页 |
| 4．1 信息融合系统应用中存在的困难 | 第62-63页 |
| 4．2 基于粗集规则归纳方法建立信息融合规则模型和融合属性分析 | 第63-68页 |
| 4．2．1 粗集推理数据的准备 | 第63-64页 |
| 4．2．2 约简和属性关系的粗集分析 | 第64-65页 |
| 4．2．3 导出粗集规则模型 | 第65-66页 |
| 4．2．4 属性关系的信息熵分析与概率粗集 | 第66-68页 |
| 4．3 粗集理论在水域监测信息融合系统中的应用 | 第68-71页 |
| 4．4 本章小结 | 第71-74页 |
| 第三篇 因果连接模型方法 | 第74-86页 |
| 第五章 基于节点选择的因果连接模型及其在信息融合系统不确定性推理中的应用 | 第76-86页 |
| 5．1 信息融合不确定性推理 | 第76-77页 |
| 5．2 粗集统计约简 | 第77-80页 |
| 5．2．1 统计约简定义 | 第78-79页 |
| 5．2．2 统计约简搜索算法 | 第79-80页 |
| 5．2．3 因果连接强度的粗集定义 | 第80页 |
| 5．3 结合统计约简的因果连接模型在多传感器信息融合不确定性推理中的仿真例子 | 第80-84页 |
| 5．3．1 问题描述 | 第80-81页 |
| 5．3．2 建立因果连接强度 | 第81页 |
| 5．3．3 利用统计约简算法选择因果连接模型节点 | 第81-82页 |
| 5．3．4 两个因果模型搜索结果比较 | 第82-84页 |
| 5．4 本章小结 | 第84-86页 |
| 第四篇 多元统计分析方法 | 第86-132页 |
| 第六章 基于统计筛选的模式分类在信息融合中的应用 | 第88-100页 |
| 6．1 统计属性筛选原理 | 第88-92页 |
| 6．1．1 附加信息检验 | 第88-90页 |
| 6．1．2 逐步法属性选择 | 第90-92页 |
| 6．2 基于统计属性筛选的模式分类 | 第92页 |
| 6．3 基于统计属性筛选的模式分类算法在信息融合中的应用 | 第92-98页 |
| 6．3．1 对照组——粗集约简方法和采用全部属性的Bayesian方法 | 第93-95页 |
| 6．3．2 基于统计属性筛选的水域状态模式分类 | 第95-97页 |
| 6．3．3 算法分析和结果讨论 | 第97-98页 |
| 6．4 本章小结 | 第98-100页 |
| 第七章 基于PCA方法的模式分类在信息融合中的应用 | 第100-112页 |
| 7．1 主成分分析（PCA）的原理 | 第101-102页 |
| 7．1．1 主成分分析 | 第101-102页 |
| 7．2 PCA方法与基于属性变换的模式分类 | 第102-109页 |
| 7．2．1 PCA属性变换和基于属性变换的模式分类 | 第102-106页 |
| 7．2．1．1 水域监测信息融合系统两种主成分的模式分类研究 | 第103-105页 |
| 7．2．1．2 结果分析 | 第105-106页 |
| 7．2．2 基于统计筛选—PCA变换的模式分类 | 第106-109页 |
| 7．2．2．1 统计筛选—PCA变换模式分类 | 第106-108页 |
| 7．2．2．2 统计筛选—PCA变换模式分类结果分析 | 第108-109页 |
| 7．3 基于属性选择的模式分类算法比较 | 第109-111页 |
| 7．4 本章小结 | 第111-112页 |
| 第八章 因子分析和旋转在信息融合属性关系分析中的应用 | 第112-122页 |
| 8．1 因子分析和旋转 | 第112-114页 |
| 8．1．1 因子分析的原理 | 第112-114页 |
| 8．1．2 因子旋转和因子得分 | 第114页 |
| 8．2 基于因子分析和旋转的属性分析 | 第114-121页 |
| 8．3 本章小结 | 第121-122页 |
| 第九章 对应分析和属性关系的直观表示及其在信息融合中的应用 | 第122-132页 |
| 9．1 对应分析原理 | 第122-123页 |
| 9．2 对应分析与信息融合属性关系分析 | 第123-124页 |
| 9．3 对应分析在水域监测信息融合系统属性分析中的应用 | 第124-131页 |
| 9．4 本章小结 | 第131-132页 |
| 第五篇 总结、展望及其它 | 第132-138页 |
| 第十章 总结与展望 | 第134-138页 |
| 10．1 工作总结 | 第134-135页 |
| 10．2 进一步工作展望 | 第135-138页 |
| 参考文献 | 第138-146页 |
| 附录 | 第146-152页 |
| 致谢 | 第152-153页 |
| 个人简历 | 第153页 |
| 攻读博士学位期间发表或录用的论文 | 第153页 |
