| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-7页 |
| 第一章 绪论 | 第7-12页 |
| 1．1 论文选题的背景及意义 | 第7-8页 |
| 1．2 粗糙集理论研究现状及成功案例 | 第8-10页 |
| 1．2．1 粗糙集理论研究现状 | 第8-9页 |
| 1．2．2 粗糙集应用的成功案例 | 第9-10页 |
| 1．3 本文完成的主要内容 | 第10-12页 |
| 第二章 粗糙集理论 | 第12-16页 |
| 2．1 粗糙集理论基本概念 | 第12-15页 |
| 2．1．1 一致集与粗糙集 | 第12页 |
| 2．1．2 上下近似集 | 第12-13页 |
| 2．1．3 正区域，负区域和边界域 | 第13-14页 |
| 2．1．4 集合不确定性的度量 | 第14-15页 |
| 2．2 仿真试验 | 第15页 |
| 2．3 本章小结 | 第15-16页 |
| 第三章 基于粗糙集理论的数据约简 | 第16-30页 |
| 3．1 数据约简的意义及数据约简的评价标准 | 第16-17页 |
| 3．2 知识表达系统及其约简概念 | 第17-21页 |
| 3．2．1 知识表达系统 | 第17-18页 |
| 3．2．2 属性约简和核 | 第18-19页 |
| 3．2．3 属性值约简和值核 | 第19-20页 |
| 3．2．4 属性的重要度 | 第20-21页 |
| 3．3 数据约简的算法探讨 | 第21-24页 |
| 3．3．1 属性约简的数据分析方法 | 第21页 |
| 3．3．2 属性约简的分明矩阵方法 | 第21-22页 |
| 3．3．3 条件属性最小子集求取方法 | 第22-24页 |
| 3．4 基于粗糙集理论的数据挖掘模型 | 第24-29页 |
| 3．4．1 基于粗糙集数据挖掘模型的建立 | 第24页 |
| 3．4．2 仿真试验 | 第24-29页 |
| 3．5 本章小结 | 第29-30页 |
| 第四章 人工神经网络专家系统研究 | 第30-38页 |
| 4．1 专家系统的组成及结构 | 第30-31页 |
| 4．2 人工神经网络技术与专家系统结合 | 第31-35页 |
| 4．2．1 知识表示 | 第32页 |
| 4．2．2 知识获取 | 第32-34页 |
| 4．2．3 推理技术 | 第34-35页 |
| 4．3 人工神经网络专家系统基本原理 | 第35页 |
| 4．4 人工神经网络专家系统的基本结构及其特点 | 第35-37页 |
| 4．4．1 人工神经网络专家系统的基本结构 | 第35-36页 |
| 4．4．2 人工神经网络专家系统的特点 | 第36-37页 |
| 4．5 本章小结 | 第37-38页 |
| 第五章 粗糙集理论在燃煤发热量预测系统中应用研究 | 第38-59页 |
| 5．1 应用线性回归方法预测燃煤发热量 | 第38-41页 |
| 5．1．1 煤质分析数据说明 | 第38页 |
| 5．1．2 应用线性回归方法预测燃煤发热量 | 第38-40页 |
| 5．1．3 结果分析讨论 | 第40-41页 |
| 5．2 基于粗糙集神经网络的燃煤发热量预测系统设计 | 第41-44页 |
| 5．2．1 燃煤发热量预测系统的总体结构 | 第41-42页 |
| 5．2．2 燃煤发热量预测系统的功能结构 | 第42-44页 |
| 5．3 基于粗糙集规则提取模块设计与实现 | 第44-53页 |
| 5．3．1 规则提取工作流程 | 第44-45页 |
| 5．3．2 基于粗糙集规则提取算法描述 | 第45-47页 |
| 5．3．3 基于粗糙集规则提取程序设计 | 第47-50页 |
| 5．3．4 煤质分析数据规则提取 | 第50-53页 |
| 5．4 基于粗糙集的神经网络模型分析和设计 | 第53-58页 |
| 5．4．1 粗糙集神经网络结构 | 第53-55页 |
| 5．4．2 构造粗糙集神经网络模型 | 第55-56页 |
| 5．4．3 利用粗糙集神经网络进行燃煤发热量预测 | 第56-57页 |
| 5．4．4 结果分析和讨论 | 第57-58页 |
| 5．5 本章小结 | 第58-59页 |
| 结束语 | 第59-60页 |
| 附录 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65页 |