第1章 绪论 1
1．1国内外研究现状分析与综述 1
1．1．1模糊系统 3
1．1．2模糊自动机发展及现状研究 4
1．1．3粗糙集发展及现状研究 7
1．1．4证据理论发展及现状分析 11
1．1．5概率理论发展及现状分析 13
1．1．6粗糙集与模糊集、证据理论、概率论的比较 14
1．2不确定性信息处理的基础知识 15
1．2．1模糊数学的有关概念 15
1．2．2模糊自动机 16
1．2．3粗糙集的有关概念 17
1．2．4 D-S证据理论的有关概念 20
1．2．5概率理论 21
1．3主要内容 21
第2章 模糊信号处理的模糊自动机 24
2．1模糊有限态自动机 24
2．1．1 FFA的定义 24
2．1．2通过处理模糊逻辑对FFA的一种获取 26
2．2模糊无限态自动机的性质 32
2．2．1引论 32
2．2．2基本定义 33
2．2．3获取FIA的反馈神经网络结构 34
2．2．4 FIA的获取 36
2．2．5 FIA的等价性 38
2．2．6 FIA的收敛性与稳定性 40
2．2．7仿真 41
2．3模糊自动机与处理的模糊信号之间的关系 43
2．3．1预备知识 43
2．3．2模糊自动机与处理的模糊语言之间的关系 47
2．4模糊自动机间的关系 50
2．5 FA对图像处理的目标识别 53
2．5．1问题描述 53
2．5．2 FA对图像预处理 54
2．5．3目标图像特征提取 58
2．5．4匹配与识别 61
第3章 FA的化简 66
3．1用自组织特征映射（SOFM）抽取FA概述 66
3．2状态模糊性的FA转变成状态没有模糊性的FA 68
3．2．1 FA状态的模糊性及其模糊性的解决 68
3．2．2 FA转变成没有状态模糊性的FA实例 69
3．3 FA的化简 72
第4章 FA状态融合 74
4．1引论 74
4．2关于FA状态融合的神经网络 74
4．3使用贝叶斯理论的FA状态融合 76
4．3．1 FA状态融合的系统模型 76
4．3．2通过使用神经网络的融合算法基本步骤 76
4．3．3仿真实现及仿真结果分析 81
4．4使用模糊综合函数的FA状态融合 84
4．4．1融合算法基本步骤 84
4．4．2实例 87
4．4．3仿真结果分析 88
第5章 模糊不完备信号处理的代数理论 90
5．1引论 90
5．2模糊粗糙集代数系统 90
5．2．1 FRS的概念 91
5．2．2 FRS的代数系统 91
5．2．3 分解定理 99
5．3 FRS的新运算理论 100
5．3．1引言 101
5．3．2 FRS的新运算理论 101
5．3．3 FRS在识别和控制中的相关理论 105
5．4 FRS在图像识别中的应用 107
第6章 基于模糊与统计理论的不确定信息处理算法 109
6．1引论 109
6．2对航迹识别算法的改进 109
6．2．1基于统计法的航迹识别 110
6．2．2模糊法的航迹识别 113
6．2．3识别效果的度量 114
6．2．4仿真和识别算法性能分析 115
6．2．5模糊融合算法及仿真 119
6．2．6 模糊法与统计法的综合比较 121
6．3 FRS与概率统计在应用中的比较 122
6．3．1引论 123
6．3．2 FRS和PS的描述性比较 123
6．3．3 PS和FR控制算法的模型 125
6．3．4对两个控制算法的仿真和性能分析 128
第7章 基于图像语义识别的不确定推理方法 132
7．1引论 132
7．2粗糙集理论的基本知识 133
7．3语义推理方法 134
7．3．1基本知识描述 134
7．3．2语义推理 139
7．4语义推理方法在图像语义识别中的应用 139
7．5语义推理方法在卫星故障诊断中的应用 144
7．6语义推理方法与其他不确定性推理方法的比较 146
7．6．1语义推理方法的优缺点 146
7．6．2语义推理方法与其他不确定性推理方法的比较 147
第8章 基于拓扑知识的不完全信息处理理论 149
8．1引论 149
8．2拓扑粗空间 150
8．2．1开集与闭集 150
8．2．2拓扑粗空间 155
8．2．3同胚 158
8．3在RS上的拓扑性质 160
8．4等价类和开集、划分和有限开覆盖之间的关系 162
8．5拓扑粗空间及其性质的应用 163
8．5．1拓扑粗空间的应用 163
8．5．2拓扑性质的应用 164
8．6基于粗拓扑性质的星座选择 166
8．6．1引论 166
8．6．2粗拓扑性质的应用 166
8．6．3星座选择 169
8．6．4仿真和讨论 173
第9章 FA应用简介 176
9．1 FA应用简介 176
9．2有待于进一步研究的问题 178
参考文献 180