基于粗糙集的数据挖掘方法研究

一个粗糙集代数是由一个集合代数加上一对近似算子构成的。本文用公理化方法定义了模糊环境下的近似算子和粗糙集代数系统。证明了若系统(Φ(U),∩,∪,-,L,H)是一个模糊粗糙集(粗糙模糊集)代数,则其导

基于粗糙集属性约简以及概念格的关联规则挖掘分析，word文档，适合概念格和粗糙集的初学者使用

论文研究-基于粗糙集的区间型数据离散化算法.pdf, 针对条件属性取值为区间型数据的离散化问题,提出了一种新的基于粗糙集理论的离散化算法.首先将粗糙集理论中上、下近似的概念进行扩展,用以描述区间数对象

改进属性重要度概念，给出了一种基于粗糙集理论的单属性重要度和组合属性重要度结合的确定属性权重的方法及其具体操作步骤。通过实例说明，改进的粗糙集权重计算方法具有普适性，权重计算更合理。

介绍相关粗糙集的方法和如何运用粗糙集对人体因素的提取和分析，确定导致心脏病相关的因子。

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。

基于粗糙集规则提取的面向对象树种分类方法，曾怡，王婧，树种分类是林业资源监测中的核心问题，而面向对象的树种分类是目前研究的重点，在面向对象分类方法中，难点在于规则集的建立。本

鉴于传统基因选择方法会选出大量冗余基因从而导致样本预测准确率较低,提出了一种基于信噪比与邻域粗糙集的特征基因选择方法(Signal noise ration and the neighborhood

首先, 通过分析现有多粒度粗糙集模型的不足, 提出一种基于粒度加权的多粒度粗糙集模型; 然后, 通过比较得出加权多粒度粗糙集与乐观多粒度、悲观多粒度和可变多粒度粗糙集之间的关系, 讨论加权多粒度粗糙集

基于粗糙集理论的疾病综合诊断，杨广，夏波，疾病的综合诊断对于医生来说是非常重要的，而综合诊断实质上是权系数的确定问题。本文提出了一种基于粗糙集理论的权系数确定方法