粗糙集约简软件用于数据库的约简

基于邻域粗糙集以及模糊粗糙集等价关系下的属性约简方法,引入$\alpha $信息熵,建立模糊相似关系下的α信息熵不确定性度量,提出基于$\alpha $信息熵的属性重要度度量,并以此构建混合属性约简算

作为粗糙集的一种推广,模糊粗糙集在属性约简中的应用尤为重要.约简规模和约简依赖度作为评判约简性能的两个重要指标,分别对应着约简的效率以及精度.传统的约简算法通常以追求约简的最大依赖度为导向进行寻优,并

一型模糊粗糙集可以直接处理连续属性集，但不能处理高度不确定性数据，而区间二型模糊集可以增强系统处理不确定性的能力。为了提高处理噪声数据的精确度，在一型模糊粗糙集的基础上，定义区间二型模糊粗糙集。基于区

为了获得有效的属性最小相对约简，提出了一种基于自适应遗传算法的粗糙集知识约简算法。该算法将核引入遗传算法的初始群体来提高算法的性能，依照决策属性对条件属性的依赖度，在加强局部搜索能力的同时保持了该算法

单调性在经典粗糙集属性约简过程中发挥着重要的作用。然而，在一些扩展模型中该单调性质并不存在，如变精度粗糙集模型。针对该问题，提出了变精度粗糙集模型中下近似单调约简的定义，下近似单调约简算法打破了传统意

目前我国企业效绩评价体系中存在指标冗余和指标关联两方面的缺陷，通过引入粗糙集理论与属性约简规则，结合16家沪市上市公司实例，在保证粗糙分类质量不变的情况下，对企业效绩评价指标属性约简。 结果表明，针对

属性约简是机器学习等领域中常用的数据预处理方法。在基于粗糙集理论的属性约简算法中，大多是根据单一的方法来度量属性重要度。为了从多角度对属性达到更为优越的评估效果，首先在已有的模糊邻域粗糙集模型中定义属

根据灾害系统理论和风险理论,结合煤矿瓦斯爆炸特点,构建了由孕险环境、致险因子、承险体3个子系统组成的煤矿瓦斯爆炸灾害风险指标体系,通过分析2002-2012年我国瓦斯事故统计数据,采用粗糙集属性约简方

决策粗糙集理论是经典粗糙集理论结合贝叶斯理论拓展而来。为在不完备区间值信息系统下研究决策粗糙集理论，首先提出属性相似度的概念，并基于属性相似度定义了双精度容差关系。然后，基于双精度容差关系，结合贝叶斯

粗糙集理论研究的重要内容是分类与约简。在对分类与归并性质充分研究的基础上，探讨了条件分类、约简与核的层次关系。基于归并的思想，描述了条件类归并对决策表一致性的影响，证明了代数核属性的充要条件。