暂无评论
粗糙集理论作为一种新的分析和处理不精确、不一致、不完整信息和知识的数学工具，为智能信息处理提供了有效的处理技术。
置信优势关系粗糙集是处理不完备有序信息的重要模型, 上、下近似集的计算是核心内容之一. 在实际应用中, 属性集通常会发生变化. 根据属性集的增加或减少, 首先讨论置信优势类及劣势类变化情况, 随之给出
清晰版 粗糙集理论与方法(张文修).pdf
《粗糙集理论与方法》系统地介绍了粗糙集理论的基本内容与方法，力图概括国内外最新成果。主要内容有：粗糙集的基本概念，粗糙计算方法，粗糙集的代数性质与粗糙逻辑，粗糙集的各种推广模型，粗糙集与其他处理不确定
粗糙集粗糙集条件信息熵权重确定方法
将粗糙集理论与直觉模糊集理论相结合,提出了一种基于直觉模糊粗糙集理论的知识获取方法。描述了直觉模糊相似关系下粗糙集的模型,并在此基础之上重新定义了正域、依赖度与非依赖度、确定性因子与非确定性因子等概念
Data mining method based on rough set and genetic algorithm.pdf
针对多属性灰色关联聚类的阈值确定问题,利用决策粗糙集方法,通过引入两个阈值参数定义决策对象间的可能关系和集合;将其代替基于灰色关联聚类的非此即彼关系,构建基于决策粗糙集的多属性灰色关联聚类方法,并采用
基于粗糙集的机械制造工艺知识发现方法研究，殷国富，方辉，针对企业工艺信息系统中的知识发现问题，分析了传统的计算机辅助工艺设计系统、工艺信息系统和基于知识的工艺信息系统的联系与区
针对经典粗糙集理论的属性约简，从三个方面对属性约简方法进行综述。最后对属性约简中存在的问题进行了分析，并提出了进一步研究的方向。
暂无评论