符号注释 1
第1部分 粗集理论及其应用 1
目录 1
第1章 智能数据预处理及知识系统表达 2
1.1 数据表知识表达系统 2
1.2 不完整、不精确数据预处理 4
1.3 属性值的离散归一化处理 8
习题与思考题 10
2.1 知识与分类 14
第2章 知识与分类、近似与粗集的基本概念 14
2.2 集合近似与粗集概念 18
2.3 集合近似及分类近似的度量 24
习题与思考题 28
第3章 知识系统的简化及逻辑表达 31
3.1 知识的简化 31
3.2 知识的相对简化 34
3.3 范畴的简化 35
3.4 范畴的相对简化 37
3.5 知识的依赖性 38
3.6 知识表达系统数据的协调性 42
3.7 知识表达系统属性的简化 45
3.8 知识表达系统决策规则的简化 50
3.9 推理学习 65
习题与思考题 70
第4章 粗集理论在智能计算中的应用 78
4.1 基于粗集理论的概念的应用 78
4.2 基于粗集理论方法的系统简化 81
4.3 从数据中挖掘决策规则 89
第2部分 模糊逻辑及其应用 98
第5章 模糊集合理论基础 99
5.1 集合论基础 99
5.2 模糊集合与隶属函数 102
5.3 模糊集合的基本运算 106
习题与思考题 107
第6章 模糊规则与模糊逻辑推理系统 109
6.1 扩张原理及模糊关系 109
6.2 语言术语变量及模糊逻辑规则 114
6.3 模糊逻辑推理 118
6.4 模糊逻辑推理系统 123
习题与思考题 138
第7章 模糊逻辑在智能计算中的应用 142
7.1 模糊综合评判系统 142
7.2 模糊推理与系统建模 144
7.3 模糊系统混沌时间序列预测 151
7.4 模糊划分及模糊聚类方法 156
第3部分 人工神经网络理论及其应用 163
第8章 人工神经网络基础 164
8.1 神经网络基本特性 164
8.2 人工神经网络的模拟 166
习题与思考题 173
第9章 人工神经网络结构及学习方法 177
9.1 反馈互联神经网络 177
9.2 前向式神经网络 182
习题与思考题 195
第10章 人工神经网络在智能计算、信息处理中的应用 199
10.1 神经网络优化计算 199
10.2 神经网络非线性系统建模 205
10.3 神经网络分类及模式识别 214
10.4 神经网络信号处理 217
第4部分 综合智能信息处理 221
第11章 粗集理论与模糊逻辑、概率统计方法的综合智能信息处理 222
11.1 基于不确定性问题研究方法评价系统参数的重要性 222
11.2 基于概率统计定义的粗集方法 228
11.3 基于粗集的概率统计推理方法 232
11.4 粗集理论和模糊逻辑的综合智能信息处理 236
第12章 模糊逻辑与神经网络的综合智能信息处理 243
12.1 模糊神经网络分类器 243
12.2 模糊逻辑神经网络 247
12.3 利用神经模糊系统从数据中挖掘模糊逻辑 249
12.4 自适应神经模糊控制系统 255
12.5 自组织神经模糊推理专家系统 259
第13章 粗集理论与神经网络的综合智能信息处理 264
13.1 信息近似化与粗神经元网络 264
13.2 粗集理论方法与神经网络结合的推理决策系统 267
13.3 基于粗集方法预处理的神经网络系统 270
13.4 粗集、模糊与神经网络的综合信息处理系统 274
中英文名词对照表 296
参考文献 299