粗糙集的数字特征和拓扑结构

多维数据进行降维，粗糙集数据约简，选择权重比较大的数据进行评价

文本分类代码

Data mining and rough set theory

概述粗糙集方法与应用，RS方法已被成功地应用于机器学习、知识获取、决策分析、知识发现、模式识别、专家系统和决策支持系统等领域。有趣的结果已激励各个领域的专家研究RST及它的应用。

概率粗糙集(PRS)和分级粗糙集(GRS)是两个量化模型,分别测量等效类和基本概念之间的相对和绝对定量信息。 作为一种特殊的PRS模型,决策理论粗糙集(DTRS)主要利用条件概率来表达相对定量。 但是

找了好久才找到的，配合中文说明，可以简单实用。可以约简15个属性200个实例

软件的功能：将数据离散化，求下近似集上近似集边界运用粗糙集理论方法实现属性约简和规则提取

提出一种改进的基于粗糙集的图像平滑方法

基于聚类粗糙集的集成特征选择方法，刘铭阳，龚萍，邻域粗糙集是处理连续型数据特征选择的一种重要方法，能有效缩减数据规模并提高模型的准确度和可解释性。针对邻域粗糙集正域求解

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