摘　　　要：提出了基于模糊粗糙集理論的樣本歸一化方法，用于解決因神經網絡分類器在不同類樣本間距離較近時訓練速度較慢的問題。將神經網絡的輸入作為粗糙集信息系統的條件屬性，神經網絡的輸出作為決策屬性，構建決策表。利用粗糙集理論對訓練樣本離散化，根據離散化樣本與兩類不同樣本間的距離差和兩類樣本的能量差，利用模糊集理論對該原始樣本進行伸縮處理，然后，對伸縮預處理后的樣本進行歸一化，較后，用歸一化處理后的樣本對神經網絡進行訓練。以配電網故障選線為例，對該方法進行了分...