关于粗糙集的一篇论文

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、��

多粒度粗糙集是近几年来研究的热门课题之一。将多粒度粗糙集和双论域结合起来，首先定义了不同论域上的支撑函数；其次通过支撑函数建立了不同论域上的一般多粒度粗糙近似算子，研究了各个近似算子的性质。讨论了双论

讨论粗糙集代数与BL代数的关系以及由粗糙集代数构造BL代数的方法。粗糙集代数本身具有格结构，证明了在适当选取蕴涵算子之后，粗糙集代数就成为BL代数。

不确定性度量是粗糙集理论研究的重要内容之一。分析了目前粗糙集不确定性度量主要方法的不足，给出了基于边界域的粗糙集粗糙边界熵的定义。证明了这种粗糙边界熵随着知识粒度的减小而单调减小，而且当负域的知识颗粒

将变精度粗糙集的思想引入相容粗糙集，提出了两种变精度相容粗糙集模型，在模型I中，目标概念的下近似和边界域的交集非空；在模型II中，目标概念的下近似和边界域的交集为空。研究了两种模型中上、下近似算子的基

讨论了粗糙集代数与FI代数的关系以及由粗糙集代数构造FI代数的方法。粗糙集本身具有格结构，证明了在适当选取蕴含算子之后，粗糙集代数就成为FI代数。

本文基于双论域粗糙集构造了定义在L模糊关系上的双论域L模糊粗糙集，并讨论了双论域L模糊粗糙集基本性质。

这个是关于粗糙集的约简算法源码是用matlab编写的

粒度下的粗糙集近似，并定义了动态粒度下的正相近似。

内部数据齐全，打开可容易运行粗糙集分类图像代码齐全