| 第一章 绪论 | 第1-22页 |
| 1．1 国内外研究动态 | 第14-18页 |
| 1．2 本课题研究背景 | 第18-20页 |
| 1．3 主要内容安排 | 第20-22页 |
| 第二章 粗糙集理论 | 第22-37页 |
| 2．1 粗糙集的基本概念 | 第22-25页 |
| 2．1．1 集合的近似关系及粗糙集的概念 | 第22-24页 |
| 2．1．2 约简与核的概念 | 第24-25页 |
| 2．2 信息系统与知识分类 | 第25-30页 |
| 2．2．1 信息系统与决策表 | 第25-27页 |
| 2．2．2 属性约简算法 | 第27-30页 |
| 2．3 决策逻辑的语言、语义和推导 | 第30-31页 |
| 2．4 知识的不确定性分析 | 第31-34页 |
| 2．4．1 知识表达系统的不确定性 | 第31-33页 |
| 2．4．2 信息熵的概念 | 第33-34页 |
| 2．5 粗糙集决策表的数据处理 | 第34-37页 |
| 2．5．1 决策表的冗余处理 | 第34-35页 |
| 2．5．2 决策表的遗漏数据补齐 | 第35-37页 |
| 第三章 ANFIS-自适应神经模糊推理系统 | 第37-64页 |
| 3．1 神经网络与模糊推理系统的异同 | 第37-50页 |
| 3．1．1 神经网络基本理论 | 第37-45页 |
| 3．1．2 模糊推理系统 | 第45-48页 |
| 3．1．3 模糊系统和神经网络的异同 | 第48-50页 |
| 3．2 神经网络与模糊系统的结合形式 | 第50-53页 |
| 3．3 自适应神经模糊推理系统(ANFIS) | 第53-64页 |
| 3．3．1 自适应网络简介 | 第53-54页 |
| 3．3．2 ANFIS结构描述 | 第54-56页 |
| 3．3．3 混合学习算法 | 第56-60页 |
| 3．3．4 ANFIS的控制方式 | 第60-62页 |
| 3．3．5 ANFIS中模糊推理系统的参数辨识 | 第62-64页 |
| 第四章 基于粗糙集的自适应神经模糊推理系统 | 第64-83页 |
| 4．1 基于粗糙集的自适应神经模糊模型 | 第64-69页 |
| 4．1．1 连续属性的离散化方法 | 第64-67页 |
| 4．1．2 从决策表中提取模糊规则 | 第67-68页 |
| 4．1．3 输入参数的确定 | 第68-69页 |
| 4．2 基于粗糙集的自适应神经模糊模型的网络结构 | 第69-72页 |
| 4．3 基于粗糙集的自适应神经模糊模型的混合学习算法 | 第72-77页 |
| 4．3．1 LSE对规则后件线性参数的调节 | 第72-73页 |
| 4．3．2 BP算法对规则前件非线性参数的调节 | 第73-76页 |
| 4．3．3 BP算法中学习速率η的自调节 | 第76-77页 |
| 4．4 仿真试验 | 第77-83页 |
| 第五章 自来水质净化中的预测控制 | 第83-95页 |
| 5．1 投药过程预测模型的建立 | 第84-87页 |
| 5．2 模型系统参数的辨识 | 第87-90页 |
| 5．3 基于 MATLAB/SIMULINK的预测结果仿真 | 第90-95页 |
| 第六章 总结与展望 | 第95-97页 |
| 参考文献 | 第97-102页 |
| 附录 | 第102-105页 |
| 致谢 | 第105-106页 |
| 攻读硕士学位期间发表的学术论文目录 | 第106页 |