模糊粗糙理论与神经网络在信息处理中的应用
| 摘要 | 第1-7页 |
| 英文摘要 | 第7-8页 |
| 第一章 引言 | 第8-10页 |
| 第二章 信息处理的几种基本理论 | 第10-25页 |
| ·模糊集合与模糊逻辑 | 第10-14页 |
| ·模糊集合的概念 | 第10-11页 |
| ·模糊隶属函数 | 第11-12页 |
| ·模糊集合的基本运算 | 第12页 |
| ·扩张原理与模糊推理 | 第12-14页 |
| ·神经网络 | 第14-18页 |
| ·人工神经元 | 第15-16页 |
| ·神经网络的结构 | 第16-18页 |
| ·Rough set 理论 | 第18-20页 |
| ·Rough set 理论的研究对象及其特点 | 第18-19页 |
| ·Rough set 理论的基本概念 | 第19-20页 |
| ·遗传算法 | 第20-25页 |
| ·遗传算法的基本概念 | 第22页 |
| ·遗传算法的原理及实现步骤 | 第22-25页 |
| 第三章 智能信息处理与设计 | 第25-35页 |
| ·模糊推理系统 | 第25-28页 |
| ·Mamdani 模糊模型 | 第25-27页 |
| ·Sugeno 模糊模型 | 第27-28页 |
| ·Tsukamoto 模糊模型 | 第28页 |
| ·神经网络推理系统 | 第28-30页 |
| ·神经网络的学习和训练 | 第28-29页 |
| ·神经网络的学习规则 | 第29-30页 |
| ·粗糙集理论知识获取 | 第30-35页 |
| ·知识表达系统和决策系统 | 第30页 |
| ·Rough set 理论的属性约简 | 第30-32页 |
| ·基于信息量的属性约简算法 | 第32-33页 |
| ·基于条件隶属度的约简 | 第33-35页 |
| 第四章 智能信息处理结合系统 | 第35-52页 |
| ·模糊神经网络 | 第35-40页 |
| ·模糊逻辑与神经网络的优点和缺点 | 第35-36页 |
| ·模糊神经网络的形成和构造 | 第36-37页 |
| ·BP 学习算法 | 第37-38页 |
| ·ANFIS 的训练 | 第38-40页 |
| ·粗糙神经网络 | 第40-45页 |
| ·基于粗糙推理神经网络 | 第40-41页 |
| ·含粗糙神经元的模糊神经网络 | 第41-45页 |
| ·神经网络与粗糙约简 | 第45-48页 |
| ·主元网络约简 | 第45-46页 |
| ·基于权值矩阵的约简 | 第46-47页 |
| ·随机抽取属性的网络约简 | 第47页 |
| ·基于粗糙约简的神经网络 | 第47-48页 |
| ·遗传算法优化模糊逻辑和神经网络 | 第48-52页 |
| ·遗传算法优化神经网络 | 第48-49页 |
| ·遗传算法优化模糊控制 | 第49页 |
| ·遗传算法优化模糊神经网络 | 第49-50页 |
| ·遗传-粗糙算法优化模糊神经网络 | 第50-52页 |
| 第五章 智能系统的应用 | 第52-61页 |
| ·心电图 | 第52-56页 |
| ·心电图的自动分析 | 第52页 |
| ·MIT-BIH 心电数据库 | 第52页 |
| ·RANFIS 应用于心电图分析 | 第52-55页 |
| ·结论 | 第55-56页 |
| ·干酪根分类 | 第56-58页 |
| ·基于条件隶属度的约简分类 | 第56-57页 |
| ·基于模糊神经网络推理 | 第57-58页 |
| ·结论 | 第58页 |
| ·函数逼近 | 第58-61页 |
| 结束语 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 附录 | 第66-68页 |
| 本人在读研过程中发表、撰写的文章 | 第68页 |
