1 绪论 1
1.1 研究背景 1
1.2 国内外研究现状 2
1.3 存在的问题及本书研究的重点 13
1.4 本书的主要研究内容和组织结构 15
2 粗糙集理论基础 17
2.1 概述 17
2.2 粗糙集的基本概念 19
2.3 粗糙集中的知识表示 23
2.4 知识约简原理 25
2.5 决策表属性约简算法 28
2.6 小结 30
3 基于粗糙集和QPSO算法的粒度BP神经网络 32
3.1 BP神经网络概述 33
3.2 基于粗糙集的粒度约简 38
3.3 粒度BP网络的结构与算法 40
3.4 实验与分析 46
3.5 小结 52
4 基于粗糙集和AP聚类算法的粒度RBF神经网络 53
4.1 RBF神经网络概述 54
4.2 粒度RBF神经网络的结构与学习算法 56
4.3 实验与分析 60
4.4 小结 66
5 具有自适应极速学习能力的单隐层粒度神经网络 67
5.1 ELM概述 68
5.2 单隐层粒度神经网络的结构 70
5.3 单隐层粒度神经网络的自适应极速学习算法 72
5.4 实验与分析 72
5.5 小结 79
6 基于粗规则的粒度神经网络 80
6.1 决策规则的提取 81
6.2 粗规则粒度神经网络的结构和学习算法 88
6.3 实验与分析 93
6.4 小结 97
7 基于变精度粗糙集的粒度双神经元网络 98
7.1 变精度粗糙集模型概述 99
7.2 粒度双神经元结构 101
7.3 粒度双神经元网络模型 104
7.4 粒度双神经元网络的进一步优化 106
7.5 实验与分析 109
7.6 小结 113
8 总结与展望 114
8.1 总结 114
8.2 展望 116
参考文献 118