| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 符号索引 | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 论文研究背景和意义 | 第13-14页 |
| 1.2 论文研究国内外现状 | 第14-18页 |
| 1.2.1 粗糙集研究现状 | 第14-16页 |
| 1.2.2 论文图像中目标检测研究现状 | 第16-18页 |
| 1.3 论文研究内容 | 第18页 |
| 1.4 论文组织结构 | 第18-21页 |
| 第二章 邻域粗糙集模型的基本理论 | 第21-33页 |
| 2.1 粗糙集模型 | 第21-26页 |
| 2.1.1 粗糙集基本概念 | 第21-24页 |
| 2.1.2 经典粗糙集的属性约简算法 | 第24-26页 |
| 2.2 邻域粗糙集模型 | 第26-32页 |
| 2.2.1 邻域粗糙集基本概念 | 第26-28页 |
| 2.2.2 邻域决策系统 | 第28-31页 |
| 2.2.3 邻域粗糙集属性约简算法 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 信息观下邻域粗糙集属性约简算法 | 第33-49页 |
| 3.1 信息观下属性约简机制 | 第33-40页 |
| 3.1.1 基本理论 | 第34-37页 |
| 3.1.2 信息观下属性约简算法的设计 | 第37-40页 |
| 3.2 邻域粗糙集下三种约简算法的内在分析 | 第40-43页 |
| 3.2.1 信息观下基于互信息的属性约简算法 | 第40-41页 |
| 3.2.2 三种约简算法的内在分析 | 第41-43页 |
| 3.3 约简算法的测试和结果分析 | 第43-48页 |
| 3.3.1 实例验证 | 第43-44页 |
| 3.3.2 参数的确定 | 第44-46页 |
| 3.3.3 算法测试和结果分析 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 信息观下邻域粗糙集增量式属性约简算法 | 第49-59页 |
| 4.1 信息观下增量式约简机制 | 第49-54页 |
| 4.1.1 增加样本后条件熵的变化规律 | 第49-51页 |
| 4.1.2 增加样本后约简集的变化规律 | 第51-52页 |
| 4.1.3 信息观下增量式约简算法的设计 | 第52-54页 |
| 4.2 增量式约简算法的测试和结果分析 | 第54-58页 |
| 4.2.1 实例验证 | 第54-55页 |
| 4.2.2 算法测试和结果分析 | 第55-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 基于场景图像目标检测的邻域粗糙集约简算法研究 | 第59-71页 |
| 5.1 场景图像特征提取技术 | 第59-63页 |
| 5.1.1 灰度特征 | 第59-60页 |
| 5.1.2 纹理特征 | 第60-62页 |
| 5.1.3 Hog 特征 | 第62-63页 |
| 5.2 场景图像中目标检测 | 第63-70页 |
| 5.2.1 领域粗糙集在场景图像中的应用 | 第63-65页 |
| 5.2.2 场景图像中目标检测结果分析 | 第65-66页 |
| 5.2.3 场景图像增量式特征选择及检测结果分析 | 第66-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第六章 总结和展望 | 第71-73页 |
| 6.1 全文总结 | 第71-72页 |
| 6.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士学位期间的研究成果 | 第81页 |