论文研究基于粗糙集理论的用户购买倾向研究 .pdf

文本按照一定的策略归于一个或多个类别中的应用技术。文本分类是文本挖掘的基础。而特征选择又是文本分类中的核心．论文分析了以前特征选择方法中由于特征数目过多而造成分类时间和精度不高的缺点。提出了一种基于粗

粗糙集理论中要求离散化保持原有决策系统的不可分辨关系，但以往的一些算法在离散过程中会使近似精度控制在可以接受的范围，即允许一定的错分。针对此不足，在保证决策属性绝对不改变的情况下，提出一种新的区间拆分

针对覆盖粗糙集仅适用于单一数据类型的论域覆盖的问题，提出复合覆盖粗糙集模型。在研究邻域覆盖粗糙集、集值覆盖粗糙集、区间值覆盖粗糙集的基础上，在复合数据模型下，通过建立多种覆盖关系（邻域覆盖、集值覆盖、

以Z.Pawlak粗集理论为基础，将动态模糊近似概念引入Dubois模糊粗糙集中。提出了双向S-模糊粗糙集概念，给出了双向S-模糊粗糙集的结构与性质。分析了双向S-模糊粗糙集与Z.Pawlak粗集、D

数据挖掘的主要目标之一是进行有效分类，粗糙集的上下近似空间正是为了对信息系统进行分类。变精度粗糙集作为经典粗糙集的推广模型，目前研究仅局限于有限集。针对变精度粗糙集模型无法处理无限集合的问题，在变精度

从粒计算的角度，经典的粗糙集是建立在单一的粒（等价关系）上的，把它推广到建立在优势关系上的多粒度粗糙集，定义了多粒度下的上下近似。通过对经典粗糙集的比较，得到了二粒度和多粒度下粗糙集的一些性质和结论。

论文研究-粗糙集与拓扑空间的子集.pdf,  引入拓扑空间的子集关于子基的内部和闭包的定义,并获得了它们的一些基本性质;讨论它们与粗糙集理论中的下近似集和上近似集之间的关系.这些结果可以看作是粗糙集的

提出了几种组合粒下的粗糙集模型，并将其与单一粒下的粗糙集进行了比较，同时与粒逻辑运算下的粗糙集模型进行了比对，创造性地得到了组合粒、单一粒以及粒逻辑运算下的粗糙集模型之间的关系。结果表明，组合粒与粒逻

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。

拟阵是一种图和矩阵的同时推广的概念,而覆盖粗糙集是经典粗糙集的推广。利用拟阵理论研究覆盖模糊粗糙集,从而将两者进行了融合,提出了拟阵覆盖模糊粗糙集的概念,定义了拟阵覆盖近似空间的上下近似。分析了拟阵覆