| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 模式识别技术的研究现状 | 第12-13页 |
| 1.3 基于模糊粗糙集的识别技术 | 第13-15页 |
| 1.4 论文研究内容及结构安排 | 第15-16页 |
| 第二章 粗糙集及模糊粗糙集的基本概念 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 粗糙集理论 | 第16-21页 |
| 2.2.1 知识与分类 | 第16-17页 |
| 2.2.2 近似集与粗糙集 | 第17-18页 |
| 2.2.3 信息系统和决策表 | 第18-19页 |
| 2.2.4 属性的约简与核 | 第19-20页 |
| 2.2.5 属性的依赖性和重要性 | 第20-21页 |
| 2.2.6 决策规则 | 第21页 |
| 2.3 模糊集理论 | 第21-23页 |
| 2.3.1 模糊集的定义及其表示法 | 第21-22页 |
| 2.3.2 模糊集的关系和运算 | 第22页 |
| 2.3.3 模糊集的隶属函数 | 第22-23页 |
| 2.4 模糊粗糙集 | 第23-25页 |
| 2.4.1 模糊决策表 | 第23-24页 |
| 2.4.2 模糊粗糙集的基本概念 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 模糊粗糙集中的模糊化方法研究 | 第26-45页 |
| 3.1 引言 | 第26页 |
| 3.2 属性模糊化及其方法 | 第26-29页 |
| 3.2.1 模糊化的特点 | 第26-27页 |
| 3.2.2 模糊化方法的描述及分析 | 第27-29页 |
| 3.3 基于模糊 C 均值聚类的模糊化方法 | 第29-33页 |
| 3.3.1 模糊 C 均值聚类过程 | 第29-31页 |
| 3.3.2 实例分析 | 第31-33页 |
| 3.4 基于改进的模糊 C 均值聚类的模糊化方法 | 第33-36页 |
| 3.5 对基于模糊 C 均值聚类的模糊化方法的进一步分析 | 第36-38页 |
| 3.6 基于自适应模糊 C 均值聚类的模糊化方法 | 第38-44页 |
| 3.6.1 决策表的不相容度 | 第38-39页 |
| 3.6.2 属性间的相关性 | 第39-40页 |
| 3.6.3 聚类中心的初始化 | 第40-41页 |
| 3.6.4 基于自适应模糊 C 均值聚类的模糊化方法 | 第41-42页 |
| 3.6.5 实例分析 | 第42-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 模糊粗糙集中属性约简方法的研究 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 粗糙集中的启发式约简算法 | 第45-48页 |
| 4.2.1 基于 PAWLAK属性重要性的属性约简 | 第46-47页 |
| 4.2.2 基于互信息的属性约简 | 第47-48页 |
| 4.3 QUICKREDUCT 算法 | 第48-51页 |
| 4.3.1 QUICKREDUCT约简过程 | 第49页 |
| 4.3.2 实例分析 | 第49-51页 |
| 4.4 一种基于模糊粗糙集条件熵的属性约简算法 | 第51-56页 |
| 4.4.1 条件熵的推导 | 第51-52页 |
| 4.4.2 算法流程 | 第52-53页 |
| 4.4.3 实例分析 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 基于模糊粗糙集的SAR识别系统 | 第57-72页 |
| 5.1 引言 | 第57-58页 |
| 5.2 系统结构概述 | 第58-63页 |
| 5.2.1 特征提取 | 第58-61页 |
| 5.2.2 模糊粗糙集分类器设计 | 第61-62页 |
| 5.2.3 分类决策 | 第62-63页 |
| 5.3 系统的工作流程 | 第63页 |
| 5.4 系统的工作界面 | 第63-67页 |
| 5.5 系统测试 | 第67-71页 |
| 5.5.1 MSTAR 数据库 | 第67-68页 |
| 5.5.2 实验及结果分析 | 第68-71页 |
| 5.6 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻硕期间取得的成果 | 第79-80页 |
