论文研究基于粗糙集理论和信息熵的属性离散化方法.pdf

粗糙集理论是模式识别和机器学习的重要内容，属性约简是粗糙集理论中核心步骤。然而传统的粗糙集理论对数据集进行属性约简，计算复杂度高，容易陷入局部最优解。提出了一种新型灰狼优化算法的粗糙集属性约简技术，可

一种粗糙集属性约简的改进算法，贾利娟，冯璇，属性约简是粗糙集理论的核心内容之一。本文结合粗糙集知识对基于Skowron[1]区分矩阵的属性约简算法进行改进，形成一种简单、有效、��

邻域系统粗糙集和覆盖粗糙集是经典粗糙集的两种重要扩展。通过分别比较各模型中下(上)近似集之间的包含关系和近似精度之间的大小关系,深入探讨邻域系统粗糙集和6种覆盖粗糙集模型之间的关系,得出了邻域系

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

由于软件体系复杂度和数量不断增加使得测试用例的设计和选择越来越困难, 为了能够在来自不同信息源的众多测试用例中选择有效的用例集, 提出了一种基于粗糙集与证据理论的测试用例优化方法。粗糙集是一种处理不确

在经典的覆盖近似空间中，定义了区间直觉模糊概念的粗糙近似。通过区间直觉模糊覆盖概念，给出了一种基于区间直觉模糊覆盖的区间直觉模糊粗糙集模型。讨论了两种模型的一些相关性质。

提出划分矩阵和布尔列向量取小乘法的概念；证明了下矩阵和上矩阵的行并向量分别是下近似和上近似；研究了上下近似的性质；给出了计算上下近似的算法。

粗糙集理论是波兰科学家Pawlak提出的研究 模糊性和不确定性的新型数学工具，其重要的特点 是仅利用数据本身所提供的信息，不需要任何附加 信息或先验知识，即可通过不可分辨关系和不可分 辨类确定给定问题

分析了几种典型的歧义识别方法，结合全切分分词算法提出了OSAIM（AmbiguityIdentificationMechanismbasedonOmni-Segmentation）歧义识别机制和DOS

使用聚类技术对BNR进行扩展，得到一个新的4层模型，该模型同时使用了术语间和文档间的相近和相似关系，将此扩展模型和简单的RNR、扩展的BNRM模型比较，实验证实信息检索系统的检准率和检全率都有所提高。