| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·研究背景和意义 | 第11-17页 |
| ·本文的主要工作 | 第17-18页 |
| ·本文的组织方式 | 第18-20页 |
| 第2章 基于小波变换和二维投影子空间技术的图像特征提取 | 第20-46页 |
| ·引言 | 第20-22页 |
| ·小波变换 | 第22-24页 |
| ·投影子空间技术 | 第24-33页 |
| ·基于小波变换和二维投影子空间技术的图像特征提取 | 第33-38页 |
| ·实验结果 | 第38-45页 |
| ·小结 | 第45-46页 |
| 第3章 基于小波多尺度奇异值分解的图像特征提取 | 第46-51页 |
| ·引言 | 第46-47页 |
| ·奇异值分解定理 | 第47-48页 |
| ·基于小波多尺度奇异值分解的图像特征提取 | 第48-49页 |
| ·实验结果 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第4章 信息粒度，信息熵与决策树 | 第51-60页 |
| ·引言 | 第51-52页 |
| ·基础知识 | 第52-54页 |
| ·信息粒与信息熵 | 第54-56页 |
| ·信息粒与决策树 | 第56-59页 |
| ·小结 | 第59-60页 |
| 第5章 基于2DPCA 和模糊粗糙集技术的图像识别 | 第60-65页 |
| ·引言 | 第60页 |
| ·模糊粗糙集与模糊属性约简 | 第60-63页 |
| ·基础2DPCA 和模糊粗糙集技术的图像识别 | 第63-64页 |
| ·实验结果 | 第64页 |
| ·小结 | 第64-65页 |
| 第6章 基于模糊粗糙集技术的模糊决策树 | 第65-83页 |
| ·引言 | 第65-66页 |
| ·基础知识 | 第66-70页 |
| ·基于模糊粗糙集技术的模糊决策树法 | 第70-73页 |
| ·实例分析 | 第73-76页 |
| ·实验结果 | 第76-82页 |
| ·小结 | 第82-83页 |
| 第7章 基于模糊粗糙集技术的多模糊决策树归纳 | 第83-104页 |
| ·引言 | 第83-84页 |
| ·粗糙集与模糊粗糙集 | 第84-88页 |
| ·单模糊决策树归纳 | 第88-89页 |
| ·基于模糊积分的多模糊决策树归纳 | 第89-98页 |
| ·实验结果 | 第98-99页 |
| ·小结 | 第99-104页 |
| 第8章 总结与展望 | 第104-106页 |
| ·主要贡献与创新 | 第104-105页 |
| ·研究展望 | 第105-106页 |
| 参考文献 | 第106-118页 |
| 致谢 | 第118-119页 |
| 攻读博士学位期间科研工作情况 | 第119-120页 |