1 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 存在的问题及本书研究的重点

1.4 本书的主要研究内容和组织结构

2 粗糙集理论基础

2.1 概述

2.2 粗糙集的基本概念

2.3 粗糙集中的知识表示

2.4 知识约简原理

2.5 决策表属性约简算法

2.6 小结

3 基于粗糙集和QPSO算法的粒度BP神经网络

3.1 BP神经网络概述

3.2 基于粗糙集的粒度约简

3.3 粒度BP网络的结构与算法

3.4 实验与分析

3.5 小结

4 基于粗糙集和AP聚类算法的粒度RBF神经网络

4.1 RBF神经网络概述

4.2 粒度RBF神经网络的结构与学习算法

4.3 实验与分析

4.4 小结

5 具有自适应极速学习能力的单隐层粒度神经网络

5.1 ELM概述

5.2 单隐层粒度神经网络的结构

5.3 单隐层粒度神经网络的自适应极速学习算法

5.4 实验与分析

5.5 小结

6 基于粗规则的粒度神经网络

6.1 决策规则的提取

6.2 粗规则粒度神经网络的结构和学习算法

6.3 实验与分析

6.4 小结

7 基于变精度粗糙集的粒度双神经元网络

7.1 变精度粗糙集模型概述

7.2 粒度双神经元结构

7.3 粒度双神经元网络模型

7.4 粒度双神经元网络的进一步优化

7.5 实验与分析

7.6 小结

8 总结与展望

8.1 总结

8.2 展望

参考文献