暂无评论
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
虽然书的版本比较老，但是内容还是不错的，适合想学习粗糙集的人使用
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。
作为两个经典度量,可以采用近似精度和一致性程度来评估决策表的决策性能。 但是,当这两个度量的值等于零时,它们不能详尽地描述决策表的确定性和一致性。 为了克服这个缺点,我们首先根据粗糙集理论的一致性将决
分析了粗糙集与神经网络各自的优缺点，结合粗糙集与神经网络提出了一种基于SOFM网络的新型粗糙集神经网络，给出了该网络的流程图，描述了系统各组成部分的工作原理。应用一实例验证了该网络在故障诊断中的有效性
粗糙集理论中要求离散化保持原有决策系统的不可分辨关系，但以往的一些算法在离散过程中会使近似精度控制在可以接受的范围，即允许一定的错分。针对此不足，在保证决策属性绝对不改变的情况下，提出一种新的区间拆分
将直觉模糊粗糙集应用于多属性决策问题，提出了基于改进的直觉模糊粗糙集相似度的多属性决策方法。针对现有的直觉模糊粗糙集相似度忽略犹豫度而造成度量不精确的问题，提出了一种改进的直觉模糊粗糙集相似性度量方法
针对产品族设计中产品族共性与产品个性化之间相互冲突的问题，提出了一种基于模糊聚类和粗糙集的产品族设计知识约简方法。通过模糊聚类对设计参数进行离散化和分类，以粗糙集进行知识约简区分出产品族设计参数和个性
粗糙集理论是在模糊和不确定性特征下针对计算机应用的一种相对较新的数学工具。 在本文中,我们解决了不完整信息系统的粗糙集的不确定性。 获得了不完全信息系统知识粒度的公理定义,提出了粗糙集不确定性的度量。
粗糙集分析软件，可用求核、约简、规则提取，有源代码
暂无评论