暂无评论
针对复合信息系统中的噪声数据以及复合粗糙集近似边界要求严格等问题，对复合粗糙集模型进行了扩展，提出变精度复合粗糙集模型。在该模型中，通过设置阈值参数β（0.5
利用多粒度粗糙集的上、下近似及其性质，结合模糊集的分解定理，研究多粒度模糊粗糙集的上、下近似的表示及性质，根据多粒度模糊粗糙集的上、下近似构造信任函数与似然函数。
采用信息熵的方法来度量粗糙集的模糊性可以在约简之前对粗糙的决策属性进行预处理，从而消除因决策属性的冗余而带来的分类决策的偏差。结合 SVM在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。
属性约简是粗糙集理论研究的核心内容之一。传统的属性约简研究并未考虑决策信息系统的树形结构,为解决这一问题,本文基于粗糙集理论,首先给出了决策信息系统的树形表示结构,该树形结构以粗糙集理论中的不可分辨关
关于粗糙集的简单介绍及其各种属性约简算法的研究，并且有实例分析。
清晰版 粗糙集理论与方法(张文修).pdf
已有的基于蚁群优化算法的特征选择方法是从随机点出发，寻找最优的特征组合。讨论和分析了粗糙集理论中的特征核思想，结合蚁群优化算法的全局寻优特点，以特征重要度作为启发式搜索信息，提出从特征核出发基于粗糙集
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
通过在软件体系结构层次实施软件重构，能够改善软件的质量、提高软件的易演化性。提出了基于演化信息实施软件体系结构重构的策略，通过分析体系结构的演化历史，采用概念格的方法分析其中构件间的演化依赖关系，从而
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。
暂无评论