粗糙集约简算法及其应用的研究

以邻域粗糙集的属性重要度作为量度，从一个空集出发，前向贪心的选择重要度大的属性并入到约简集合，直到达到约简条件

在大数据时代，数据不仅类型多样、结构复杂还具有动态变化的特点，传统的分析工具已经不能满足大数据分析的需求。如何快速有效地从大规模数据中获取有价值的信息成了一个具有挑战性的问题。一些学者将粗糙集属性约简

基于Pawlak 粗糙集的属性约简一般保持决策表的正区域不变, 然而由于现实中不同用户对不同约简精度的需求, 获取属性值的实际代价与个人偏好可能不同. 针对决策者主观个人偏好、客观约简精度、获取属性值

在系统熵的基础上,定义了一种新的属性重要度并提出了一种基于改进系统熵的粗糙集属性约简算法,实验分析表明,该属性重要度为启发式信息进行的属性约简,取得了理想效果。

粗糙集属性约简的MATLAB程序；用基于属性重要度的粗糙集属性约简方法对决策表进行约简，属性重要度是根据信息熵定义的。

这是我的毕业论文，主要是利用信息向量构建基于区分矩阵的属性约简算法研究及其增量式属性约简算法研究

信息系统中的属性约简是粗糙集知识发现的一个重要步骤。致力于研究一个信息系统中的特征选择、删除冗余属性。新的算法从属性重要性出发，采用迭代特征选择的标准，使得选择特征属性集不断缩小，获得信息系统的约简。

论文研究-精度与程度的逻辑差粗糙集模型及其算法.pdf,  基于精度与程度的逻辑差需求,提出了精度与程度的逻辑差粗糙集模型,定义了粗糙集区域概念. 在精度与程度的逻辑差粗糙集模型中,得到了粗糙集区域的

定义了基于广义多粒度粗糙集的属性约简，研究了约简的一些基本性质，给出matlab计算的过程，并给出计算实例。定义了信息系统的严格协调、软不协调性、粒度协调、粒度不协调，定义了广义多粒度下约简、粒度约简

提出一种新的不确定,即初始对象集合的不确定,并利用粗糙集理论来解决这种不确定性;将粗糙集理论和智能规划相结合,提出一种新的不确定规划———粗规划。给出了粗规划问题的概念、粗规划的初始状态、粗糙动作和粗