| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第9-14页 |
| ·引言 | 第9-10页 |
| ·粗糙集理论研究 | 第10-12页 |
| ·粗糙集理论的应用研究 | 第12页 |
| ·本文的主要研究内容和结构组织 | 第12-14页 |
| 2 粗糙集理论基础 | 第14-18页 |
| ·基本概念 | 第14-15页 |
| ·变精度粗糙集合模型 | 第15-16页 |
| ·贝叶斯粗糙集合模型 | 第16页 |
| ·变精度贝叶斯粗糙集合模型 | 第16-18页 |
| 3 基于粗糙集属性重要性的模糊聚类决策及应用 | 第18-26页 |
| ·预备知识 | 第18-19页 |
| ·基于粗糙集属性重要性的相似性度量方法 | 第19-20页 |
| ·模糊聚类分析 | 第20-22页 |
| ·基于粗糙集属性重要性的模糊聚类决策方法具体步骤 | 第22页 |
| ·应用举例 | 第22-26页 |
| 4 分布式Bayesian粗糙集模型与最小风险Bayes决策的分类规则研究 | 第26-34页 |
| ·预备知识 | 第26-27页 |
| ·分布式贝叶斯决策系统 | 第27页 |
| ·基于分布式贝叶斯粗集的Bayes决策与风险损失函数 | 第27-28页 |
| ·基于DBRS模型和Bayes决策的建模过程 | 第28页 |
| ·应用实例 | 第28-34页 |
| 5 基于变精度贝叶斯粗糙集模型的可信度推理模型 | 第34-38页 |
| ·MYCIN模型 | 第34-36页 |
| ·贝叶斯粗糙集和可信度的关系 | 第36-37页 |
| ·改进的可信度模型 | 第37页 |
| ·应用实例 | 第37-38页 |
| 6 基于变精度粗糙集的证据推理模型 | 第38-49页 |
| ·D-S证据理论基础 | 第38-40页 |
| ·Dempster-Shafer合成规则 | 第40-41页 |
| ·D-S推理基本过程 | 第41页 |
| ·D-S推理的优缺点 | 第41-42页 |
| ·变精度粗糙集基本知识 | 第42-43页 |
| ·基于变精度粗集识别框架的建立 | 第43-44页 |
| ·证据合成的研究现状 | 第44-45页 |
| ·基于变精度粗糙集的证据理论合成规则 | 第45页 |
| ·应用实例 | 第45-49页 |
| 7 总结与展望 | 第49-50页 |
| ·总结 | 第49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52页 |