| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-13页 |
| ·选题的目的与意义 | 第10页 |
| ·国内外研究现状及发展水平 | 第10-11页 |
| ·本文研究的主要内容及目标 | 第11-12页 |
| ·本文组织结构 | 第12-13页 |
| 2 RBF 神经网络 | 第13-20页 |
| ·RBF 神经网络结构 | 第13-15页 |
| ·RBF 神经网络的学习算法 | 第15-20页 |
| ·聚类方法 | 第16-17页 |
| ·正交最小二乘算法 | 第17-20页 |
| 3 粗糙集基本理论 | 第20-26页 |
| ·集合 | 第20页 |
| ·近似集 | 第20-22页 |
| ·知识表达系统 | 第22-23页 |
| ·两类决策表 | 第23页 |
| ·属性约简 | 第23-25页 |
| ·决策规则 | 第25-26页 |
| 4 属性约简算法研究 | 第26-38页 |
| ·基于分辨矩阵的属性约简算法 | 第26-29页 |
| ·分辨矩阵 | 第26-27页 |
| ·算法描述 | 第27页 |
| ·实例分析 | 第27-29页 |
| ·基于互信息的MIBARK 启发式约简算法 | 第29-31页 |
| ·改进的基于信息熵的属性约简算法 | 第31-38页 |
| ·相关理论 | 第31-32页 |
| ·改进算法描述及其流程 | 第32-34页 |
| ·算法复杂度分析 | 第34页 |
| ·实例分析 | 第34-38页 |
| 5 粗糙集与RBF 网络融合的空气质量评价方法 | 第38-44页 |
| ·粗糙集与RBF 神经网络融合的原因 | 第38-39页 |
| ·基于粗糙集-RBF 网络的空气质量评价模型 | 第39-44页 |
| ·构造空气质量知识表达系统 | 第39-41页 |
| ·属性约简 | 第41页 |
| ·RBF 神经网络的参数设置 | 第41-44页 |
| 6 粗糙集与RBF 网络融合的城市空气质量评价方法的应用 | 第44-50页 |
| ·空气质量级别知识表达系统的形成及属性约简 | 第44-45页 |
| ·粗糙集-RBF 网络空气质量评价模型的实现及结果分析 | 第45-47页 |
| ·与其它空气质量评价方法的比较 | 第47-50页 |
| 结论 | 第50-51页 |
| 附录A 连接权值矩阵 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简历 | 第55-56页 |
| 学位论文数据集 | 第56-57页 |