| 第1章 绪论 | 第1-31页 |
| ·粗糙集理论的产生与发展 | 第12-21页 |
| ·粗糙集理论提出背景 | 第12-14页 |
| ·粗糙集理论的基本概念 | 第14-18页 |
| ·粗糙集理论所研究的对象 | 第18页 |
| ·粗糙集理论的特点 | 第18-19页 |
| ·粗糙集理论的发展 | 第19-21页 |
| ·粗糙集理论研究的基本问题 | 第21-27页 |
| ·连续属性的离散化 | 第21-22页 |
| ·决策表的约简 | 第22-23页 |
| ·不完全决策表的处理 | 第23-24页 |
| ·粗糙集与其他软计算方法的结合 | 第24-27页 |
| ·本文主要研究内容和组织结构 | 第27-29页 |
| ·本文主要工作及研究意义 | 第27-28页 |
| ·本文的创新点 | 第28页 |
| ·文章的内容及结构安排 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第2章 基于粗糙集理论和遗传算法的连续属性离散化算法 | 第31-44页 |
| ·问题描述 | 第31-32页 |
| ·当前离散化方法分类分析 | 第32-34页 |
| ·基于粗糙集理论和遗传算法的连续属性离散化方法 | 第34-40页 |
| ·编码方式 | 第35页 |
| ·适应度函数的设计 | 第35-36页 |
| ·选择算子设计 | 第36-37页 |
| ·交叉算子设计 | 第37页 |
| ·变异算子设计 | 第37-39页 |
| ·初始群体设计 | 第39-40页 |
| ·最优个体保护法 | 第40页 |
| ·终止条件 | 第40页 |
| ·试验结果及分析 | 第40-42页 |
| ·Iris实验 | 第40-41页 |
| ·Australian实验 | 第41-42页 |
| ·实验结果分析 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第3章 基于遗传算法的粗糙集决策表属性约简方法 | 第44-67页 |
| ·问题提出 | 第44-45页 |
| ·粗糙集约简理论 | 第45-51页 |
| ·决策表属性约简算法概述 | 第51-58页 |
| ·一般约简算法 | 第51-52页 |
| ·基于可辨识矩阵和逻辑运算的属性约简算法 | 第52-53页 |
| ·归纳属性约简算法 | 第53-54页 |
| ·基于互信息的属性约简算法—MIBARK算法 | 第54-55页 |
| ·基于特征选择的属性约简算法 | 第55-56页 |
| ·基于遗传算法的属性约简算法 | 第56-58页 |
| ·基于粗糙集和遗传算法属性约简方法 | 第58-62页 |
| ·编码方式 | 第58-59页 |
| ·初始群体 | 第59页 |
| ·适应值函数设计 | 第59-60页 |
| ·选择运算 | 第60-61页 |
| ·交叉运算 | 第61页 |
| ·变异运算 | 第61-62页 |
| ·最优个体保护法 | 第62页 |
| ·算法结束条件 | 第62页 |
| ·试验结果及分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第4章 基于粗糙集理论的神经网络模型研究 | 第67-87页 |
| ·粗糙集和神经网络结合的可能性及研究现状 | 第68-73页 |
| ·粗糙集和神经网络结合的可能性 | 第68-70页 |
| ·粗糙集和神经网络结合的研究现状及其趋势 | 第70-73页 |
| ·网络模型设计 | 第73-78页 |
| ·网络设计的思想 | 第73-74页 |
| ·网络的构建方法 | 第74-76页 |
| ·网络的参数优化 | 第76-78页 |
| ·网络的特点 | 第78页 |
| ·仿真实验结果及分析 | 第78-83页 |
| ·Breast实验及分析 | 第83-86页 |
| ·本章小结 | 第86-87页 |
| 第5章 结论与展望 | 第87-89页 |
| ·结论 | 第87-88页 |
| ·进一步工作的方向 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-93页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第93页 |