| 第一章 绪论 | 第1-21页 |
| ·知识粗糙性的研究背景 | 第13-14页 |
| ·知识粗糙性研究的意义 | 第14-17页 |
| ·对粗糙集理论研究的意义 | 第14-15页 |
| ·具有重要的方法论意义 | 第15-16页 |
| ·具有重要的实际应用价值 | 第16-17页 |
| ·知识粗糙性的研究现状 | 第17-19页 |
| ·本文的主要研究工作与内容安排 | 第19-20页 |
| ·论文主要的研究工作 | 第20页 |
| ·论文的内容安排 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第二章 粗糙集理论概况 | 第21-33页 |
| ·粗糙集理论的产生和发展 | 第21-27页 |
| ·粗糙集理论的提出背景 | 第21页 |
| ·粗糙集理论的研究历史 | 第21-23页 |
| ·粗糙集理论的研究对象 | 第23页 |
| ·粗糙集理论的基本观点 | 第23-24页 |
| ·粗糙集理论的特点 | 第24页 |
| ·粗糙集理论的核心 | 第24-25页 |
| ·粗糙集理论的优点 | 第25页 |
| ·粗糙集的缺点和应用中遇到的困难 | 第25-26页 |
| ·粗糙集理论应用的两头 | 第26-27页 |
| ·粗糙集理论研究的基本问题 | 第27-30页 |
| ·约简 | 第27-28页 |
| ·不完成决策表的处理 | 第28页 |
| ·连续属性的离散化 | 第28-29页 |
| ·粗糙集与其他软计算方法的集成 | 第29-30页 |
| ·粗糙集理论及应用的发展前景 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于粗糙集的知识粗糙性 | 第33-45页 |
| ·知识理论基础 | 第33-36页 |
| ·分类的基本概念 | 第33-34页 |
| ·知识的基本概念 | 第34页 |
| ·知识的颗粒化 | 第34-36页 |
| ·粗糙集基础 | 第36-39页 |
| ·基本概念 | 第36-38页 |
| ·近似的试题 | 第38-39页 |
| ·知识的依赖性与部分依赖性 | 第39-41页 |
| ·知识的依赖性 | 第39-40页 |
| ·知识的部分依赖性 | 第40-41页 |
| ·粗糙集理论中的知识粗糙性 | 第41-42页 |
| ·知识粗糙性的产生及性质 | 第41页 |
| ·知识粗糙性的本质 | 第41-42页 |
| ·知识粗糙性的度量 | 第42-44页 |
| ·属性的度量与度量基集 | 第42-43页 |
| ·属性的粗糙度量 | 第43页 |
| ·知识的度量与粗糙度量 | 第43-44页 |
| ·知识的层次化与动态性 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第四章 粗糙集中知识粗糙性的粗糙熵表示及应用 | 第45-62页 |
| ·信息熵的研究方法 | 第45-46页 |
| ·划分、信息熵、条件熵及互信息 | 第46-48页 |
| ·划分 | 第47页 |
| ·概率近似空间 | 第47页 |
| ·信息熵 | 第47-48页 |
| ·条件熵 | 第48页 |
| ·互信息 | 第48页 |
| ·知识的粗糙性与粗糙熵的关系 | 第48-51页 |
| ·知识的粗糙性与条件粗糙熵的关系 | 第51-53页 |
| ·知识的粗糙性与互粗糙信息的关系 | 第53-56页 |
| ·基于互粗糙信息的知识约简算法 | 第56-61页 |
| ·基于互粗糙信息的属性重要性的度量 | 第57-58页 |
| ·基于互粗糙信息的知识相对约简算法—MRIBARK算法 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 粗糙集中知识粗糙性的粒度表示及应用 | 第62-74页 |
| ·知识粒度的表示 | 第62-64页 |
| ·知识的分类知识粒度的关系 | 第64-65页 |
| ·知识的重要性与知识粒度的关系 | 第65-70页 |
| ·知识约简与知识粒度的关系 | 第70-73页 |
| ·基于知识粒度的知识约简基础 | 第70-72页 |
| ·基于知识粒度的知识约简算法—GKBARK算法 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·本文的贡献 | 第74页 |
| ·进一步研究方向 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 在学期间撰写的论文 | 第80-81页 |
| 在学期间参加的科研项目 | 第81页 |