前言 
第1章緒論 
1.1背景介紹 
1.1.1產(chǎn)生背景 
1.1.2研究意義 
1.2國內(nèi)外研究現(xiàn)狀 
1.2.1不確定信息處理研究 
1.2.2不確定信息知識發(fā)現(xiàn)研究 
1.2.3粗糙集理論及應(yīng)用研究

第2章粗糙集及其相關(guān)理論 
2.1 引言 
2.2粗糙集理論的基本概念 
2.2.1知識與知識庫 
2.2.2不精確范疇與近似集 
2.2.3近似精度與分類質(zhì)量 
2.3知識的約簡與決策規(guī)則 
2.3.1知識的約簡與核 
2.3.2知識的相對約簡與相對核 
2.3.3知識的依賴性及依賴度 
2.3.4決策系統(tǒng)與決策規(guī)則 
2.4粗糙集擴展模型 
2.4.1概率粗糙集模型 
2.4.2相容粗糙集模型 
2.4.3相似粗糙集模型 
2.4.4限制容差關(guān)系粗糙集模型

第3章決策系統(tǒng)中連續(xù)數(shù)據(jù)的離散化 
3.1引言 
3.2粗糙集中離散化問題描述 
3.3典型的連續(xù)屬性離散化算法 
3.4基于布爾邏輯的離散化算法及其改進 
3.4.1基于布爾邏輯的離散化算法 
3.4.2改進的啟發(fā)式離散化算法 
3.4.3算法分析 
3.4.4實驗結(jié)果及分析 
3.4.5 實例分析 
3.5基于改進粒子群優(yōu)化算法的連續(xù)屬性離散化 
3.5.1 改進粒子群優(yōu)化算法相關(guān)概念 
3.5.2粒子群優(yōu)化算法及其改進 
3.5.3基于改進粒子群優(yōu)化算法的連續(xù)屬性離散化 
3.5.4算法分析 
3.5.5實驗結(jié)果及分析 
3.6粗糙集離散化算法的評價

第4章決策系統(tǒng)中不確定信息約簡 
4.1引言 
4.2典型的屬性約簡算法 
4.2.1基于分辨矩陣的約簡算法 
4.2.2基于屬性依賴度的約簡算法 
4.2.3基于互信息的啟發(fā)式約簡算法 
4.2.4基于遺傳算法的屬性約簡算法 
4.3屬性約簡的一種新型啟發(fā)式算法 
4.3.1相對分辨矩陣 
4.3.2算法理論基礎(chǔ) 
4.3.3算法描述 
4.3.4算法分析 
4.3.5 實例分析 
4.4基于屬性區(qū)分頻度的約簡改進算法 
4.4.1 求異矩陣 
4.4.2算法原理 
4.4.3算法描述 
4.4.4算法分析 
4.4.5 實例分析

第5章決策系統(tǒng)中不確定信息知識挖掘 
5.1引言 
5.2典型的決策規(guī)則獲取算法 
5.2.1一般值約簡算法 
5.2.2基于決策矩陣的規(guī)則獲取算法 
5.2.3基于投影的缺損規(guī)則獲取算法 
5.3全局尋優(yōu)的完備信息系統(tǒng)規(guī)則獲取算法 
5.3.1連續(xù)屬性離散化 
5.3.2屬性約簡 
5.3.3屬性值約簡 
5.3.4算法描述 
5.3.5決策解釋 
5.3.6算法分析 
5.3.7 實例分析 
5.4不完備信息系統(tǒng)的規(guī)則獲取算法 
5.4.1 不完備信息系統(tǒng)與廣義決策函數(shù) 
5.4.2條件屬性矩陣和決策屬性矩陣 
5.4.3基于矩陣的不完備信息決策系統(tǒng)規(guī)則獲取算法 
5.4.4算法分析 
5.4.5 實例分析

第6章不確定信息處理在城市交通管理中的應(yīng)用 
6.1引言 
6.2城市交通管理中的不確定性因素分析 
6.3城市交通管理中交通流狀態(tài)識別概述 
6.3.1 交通流狀態(tài)模式識別 
6.3.2交通流狀態(tài)模式識別過程 
6.3.3交通流狀態(tài)模式識別方法 
6.4基于不確定信息的交通流狀態(tài)模式分類 
6.4.1特征屬性選取 
6.4.2交通流狀態(tài)模式分類知識發(fā)現(xiàn) 
6.4.3集成分類系統(tǒng) 
6.5應(yīng)用實例分析 
6.5.1數(shù)據(jù)來源及預(yù)處理 
6.5.2特征屬性約簡 
6.5.3交通流狀態(tài)模式分類知識發(fā)現(xiàn) 
6.5.4交通流狀態(tài)模式分析與預(yù)測 
參考文獻