首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

粗糙集理论及其在神经网络中的应用研究

摘要第1-3页
Abstract第3-4页
目录第4-7页
第一章 绪论第7-16页
   ·研究领域介绍第7-11页
     ·粗糙集(RS)简介第7-8页
     ·粗糙集理论的特点第8-9页
     ·粗糙集理论的研究方向第9-10页
     ·粗糙集应用软件第10-11页
   ·本文的研究方向第11-14页
     ·信息决策表的约简第11页
     ·粗糙集连续属性的离散化第11-12页
     ·粗糙集扩展模型第12页
     ·粗糙集结合神经网络的研究第12-14页
   ·论文的研究结构概述第14-16页
第二章 粗糙集基本概念和理论第16-25页
   ·引言第16页
   ·粗糙集的基本概念第16-19页
     ·近似空间与不可区分关系第16页
     ·知识与知识库的定义第16-17页
     ·粗糙集的定义第17-18页
     ·粗糙集的特征第18-19页
   ·粗糙集的约简与核第19-21页
     ·一般约简与一般核第19页
     ·相对约简和相对核第19-20页
     ·最优约简第20-21页
   ·知识的依赖性第21页
   ·信息系统与决策表第21-22页
   ·决策表的信息熵第22-24页
     ·知识的分布概率第23页
     ·粗糙集的信息熵和互信息第23-24页
   ·本章小结第24-25页
第三章 粗糙集若干问题的研究第25-43页
   ·引言第25页
   ·信息系统的知识约简第25-31页
     ·基于区分矩阵的属性约简第26-27页
     ·基于信息熵计算的启发式属性约简算法第27-31页
   ·信息系统连续属性的离散化第31-42页
     ·属性离散化主要方法第31-33页
     ·基于区分矩阵的连续属性离散化第33-36页
     ·NS的启发式贪心算法第36-37页
     ·现有的贪心算法改进方法第37-39页
     ·基于互信息的贪心算法改进方法第39-42页
   ·本章小结第42-43页
第四章 粗糙集的扩展模型第43-55页
   ·引言第43页
   ·模糊粗糙集模型第43-49页
     ·模糊集和粗糙集的比较第43-44页
     ·模糊粗糙集的基本概念第44-46页
     ·模糊粗糙集的属性约简第46-49页
     ·模糊粗糙集的应用第49页
   ·变精度粗糙集模型第49-54页
     ·变精度粗糙集的基本概念第49-51页
     ·变精度粗糙集的刀近似约简第51-53页
     ·变精度粗糙集的应用第53-54页
   ·本章小结第54-55页
第五章 粗糙集与神经网络相结合第55-65页
   ·引言第55页
   ·BP神经网络第55-59页
     ·BP网络结构第56-57页
     ·BP算法第57-59页
     ·BP网络学习算法的改进第59页
   ·基于粗糙集的神经网络第59-64页
     ·粗糙集与神经网络结合的研究现状第61页
     ·粗糙集与神经网络结合的主要方式第61-64页
   ·本章小结第64-65页
第六章 基于粗糙集的神经网络的应用第65-91页
   ·引言第65页
   ·基于粗糙集理论的神经网络控制器第65-75页
     ·基于粗糙集的神经网络控制器设计方法第66-67页
     ·基于粗糙集的神经网络控制器实例仿真第67-74页
     ·基于粗糙集的神经网络控制器设计的总结第74-75页
   ·基于粗糙集理论的神经网络模式识别问题第75-82页
     ·基于粗糙集理论的神经网络模式识别方法第75-77页
     ·基于粗糙集的神经网络模式识别实例仿真第77-82页
     ·基于粗糙集理论的神经网络模式识别问题的总结第82页
   ·基于变精度粗糙集理论的模糊神经网络建模方法第82-90页
     ·变精度粗糙集模糊神经网络建模方法第83-86页
     ·变精度粗糙集模糊神经网络建模方法的实例仿真第86-89页
     ·基于变精度粗糙集理论的模糊神经网络建模的总结第89-90页
   ·本章小结第90-91页
第七章 结束语第91-93页
   ·论文总结第91-92页
   ·进一步工作与展望第92-93页
附录第93-94页
参考文献第94-98页
作者攻读硕士学位期间发表的论文第98-99页
致谢第99页

论文共99页,点击 下载论文
上一篇:数字化变电站信息安全及网络可靠性研究
下一篇:粒子群加速寻优的克隆选择算法在配电网优化中的应用