| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第9-10页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 粗糙集研究现状 | 第11-12页 |
| 1.2.2 粒计算的研究现状 | 第12-13页 |
| 1.3 论文的结构及主要内容 | 第13-14页 |
| 1.4 技术路线和创新点 | 第14-15页 |
| 第2章 粗糙集、概念格和粒计算模型 | 第15-26页 |
| 2.1 粗糙集理论 | 第15-19页 |
| 2.1.1 知识与不可区分关系 | 第15-16页 |
| 2.1.2 近似与粗糙集 | 第16页 |
| 2.1.3 决策信息系统 | 第16-18页 |
| 2.1.4 知识约简 | 第18-19页 |
| 2.2 概念格理论 | 第19-22页 |
| 2.2.1 概念格结构 | 第19-21页 |
| 2.2.2 概念格建构 | 第21-22页 |
| 2.3 粒计算理论 | 第22-25页 |
| 2.3.1 粒计算的主要模型 | 第22-23页 |
| 2.3.2 粒计算的基本要素 | 第23-24页 |
| 2.3.3 粒计算的研究应用 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于粒计算的属性约简 | 第26-38页 |
| 3.1 常见的属性约简算法分类 | 第26-28页 |
| 3.1.1 基于区分矩阵的约简算法 | 第26页 |
| 3.1.2 基于属性重要度的约简算法 | 第26-27页 |
| 3.1.3 基于互信息的约简算法 | 第27-28页 |
| 3.2 信息系统的粒化 | 第28-30页 |
| 3.3 概念粒集的生成及结构性质 | 第30-32页 |
| 3.4 构建概念粒格 | 第32页 |
| 3.5 实例分析 | 第32-36页 |
| 3.5.1 粒化 | 第33-34页 |
| 3.5.2 计算属性分辨率 | 第34页 |
| 3.5.3 依据属性分辨率按序约简 | 第34-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第4章 基于粒计算的规则挖掘 | 第38-48页 |
| 4.1 基于粒矩阵的规则约简 | 第38-39页 |
| 4.2 基于粗糙集粒计算模型的规则约简 | 第39-44页 |
| 4.2.1 基于粗糙隶属函数的信息粒化 | 第39-41页 |
| 4.2.2 生成初始概念粒集 | 第41-42页 |
| 4.2.3 基于粒计算的属性约简 | 第42-43页 |
| 4.2.4 构建概念粒格 | 第43-44页 |
| 4.3 实例分析 | 第44-47页 |
| 4.3.1 决策表粒化 | 第44页 |
| 4.3.2 属性约简 | 第44-45页 |
| 4.3.3 规则约简 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 基于粒计算的粗决策规则约简在HSV中的应用 | 第48-59页 |
| 5.1 应用背景 | 第48-50页 |
| 5.2 HSV信息表的粒化和规则抽取 | 第50-55页 |
| 5.3 规则评价和预测分析 | 第55-58页 |
| 5.3.1 规则评价 | 第55-56页 |
| 5.3.2 粒化函数阈值的选取 | 第56页 |
| 5.3.3 Visick等级预测 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录A HSV数据集 | 第64-67页 |
| 致谢 | 第67-68页 |
| 导师简介 | 第68-69页 |
| 作者简介 | 第69-70页 |
| 学位论文数据集 | 第70页 |