粗糙集理论与方法

第一章 粗糙集理论的基本概念
　1.1 知识与知识库
　1.2 不精确范畴，近似与粗糙集
　1.3 知识约简
　1.4 知识的依赖性
　1.5 知识表达系统
　1.6 决策表
　1.7 区分矩阵与区分函数
第二章 粗糙集模型的算法
　2.1 信息系统和决策表
　2.2 简单分类
　2.3 支持子集
　2.4 决策属性的支持度
　2.5 交的计算
　2.6 多个条件的支持度
　2.7 函数依赖
　2.8 恒等依赖
　2.9 重要性和核
　2.10 属性依赖性
　2.11 约简
第三章 一般关系下的粗糙集模型
　3.1 二元关系与邻域算子
　3.2 二元关系与粗糙近似算子
　3.3 近似算子的其他定义形式与比较
　3.4 近似算子的表示
　3.5 程度粗糙集模型
第四章 粗糙集代数的公理化方法
　4.1 粗糙集理论的构造性方法
　4.2 粗糙集理论的公理化方法
　4.3 构造性方法与公理化方法的关系
　4.4 特殊类型的粗糙集代数
第五章 粗糙集系统的代数结构
　5.1 粗糙集的Stone代数
　5.2 粗糙近似空间
　5.3 粗糙集和Nelson代数
　5.4 粗糙概念的代数刻画
　5.5 半群中的粗理想
第六章 粗糙逻辑与决策
　6.1 基于完备信息系统的粗糙逻辑
　6.2 决策逻辑与决策
　6.3 基于不完备信息系统的模态逻辑
第七章 变精度粗糙集模型
　7.1 多数包含关系
　7.2 变精度粗糙集模型中的近似集
　7.3 集合的相对可辨别性
　7.4 β近似的性质
　7.5 属性的近似依赖性
　7.6 近似约简
第八章 概率粗糙集模型
　8.1 有限论域上概率测度的基本知识
　8.2 信息摘
　8.3 概率粗糙集模型
　8.4 概率粗糙集模型的其他形式
　8.5 Bayes决策与粗糙近似
　8.6 粗糙隶属函数与概念的联合
　8.7 知识的不确定性度量
　8.8 概率粗糙集模型和确定性粗糙集模型的比较
第九章 模糊粗糙集模型
　9.1 模糊集的基本概念
　9.2 模糊关系
　9.3 模糊粗糙集
　9.4 基于三角模的模糊粗糙集模型
　9.5 基于包含度的粗糙集模型
　9.6 修正型模糊粗糙集模型
　9.7 粗糙集与模糊集的比较
第十章 基于随机集的粗糙集模型
　10.1 随机集与容度泛函
　10.2 信任函数与似然函数
　10.3 基于随机集的粗糙集模型
　10.4 近似算子与可能性测度
第十一章 不完备信息系统的粗糙集方法
　11.1 不完备信息系统
　11.2 近似集
　11.3 决策表，决策规则和知识约简
　11.4 区分函数与约简的计算
参考文献
记号表