论文研究测试代价敏感的粗糙集方法.pdf

结合扩张矩阵理论，提出了一种简化规则抽取算法，该算法有效地解决了粗糙集约简算法生成的规则数量多、概括力不强的问题，并给出了相应的算法示例，示例结果证明了该算法能够有效地从信息安全事件和等级测评数据中抽

针对蚁群算法容易陷入局部搜索的问题，提出了一种基于格的蚁群算法。将问题空间划分为n块格子，基于随机策略，将m只蚂蚁分别放在n块格子中，对于每个格子，再次基于随机策略，将格子内的蚂蚁放置在不同的节点上。

针对目前已有的多目标决策问题存在的局限，提出了一种新的属性权重确定方法，从而得到了运用粗糙集理论对CAI课件进行综合评价的方法，使得对CAI课件的评价更加科学、客观，最后通过实例验证了该方法的实用性和

针对粗糙集中上、下近似集的求解问题，根据关系的矩阵表示和矩阵运算具有简便直观的特点，提出了一种利用关系矩阵和基本的矩阵运算计算上、下近似的方法，通过理论证明结果显示该方法是可行有效的。

结合模糊关系的理论，对粗糙集理论的属性约简算法进行研究，提出了一个新的属性约简算法，并给出了一个应用实例。

结合粗糙集理论和遥感数据中地物光谱特征空间分布信息，提出了一种基于光谱特征邻域的容差粗糙集分类方法，用来处理卫星遥感数据分类中的不确定性问题。利用北京地区Landsat-5TM数据进行分类试验，对算法

阐明了变精度粗糙集模型中,经典粗糙集模型分类质量、相对正域、决策类下近似不再具有非单调递减特征，在约简过程中分类质量和相对正域会出现跳跃现象，约简过程具有不稳定性；但决策类下近似不会出现跳跃现象，可以

分析了变精度粗糙集模型属性约简过程出现跳跃的原因，并给出消除跳跃现象的方法。探讨了基于分类质量、相对正域和决策类下近似的属性约简定义，并采用属性添加法对条件属性进行约简，约简过程反映了分类能力的变化。

属性约简是粗糙集理论中的重要问题。许多学者针对邻域粗糙集提出多种属性约简方法，包括应用最为广泛的启发式算法。在多半径邻域粗糙集的基础上，针对当前启发式约简算法往往会包含一定冗余属性的缺陷，提出一种融合

为了扩大粗糙集理论的应用，特别是在模糊环境中的应用，基于模糊软集和模糊蕴涵算子，主要研究基于软模糊近似空间的乐观多粒化模糊软粗糙集模型。该模型将参数集根据客户的不同要求或目标进行重组，只选择若干相关参