第1章 粗糙集理论的基本概念
1.1 集合与关系
1.1.1 集合及其运算
1.1.2 关系
1.2 信息系统
1.3 集合近似与粗糙集
1.3.1 下近似集与上近似集
1.3.2 近似精度与粗糙度
1.3.3 粗糙隶属函数
1.4 属性约简
1.4.1 一般约简
1.4.2 相对约简
1.4.3 属性的依赖性
1.5 决策规则的提取
第2章 几种拓展的粗糙集
2.1 基于一般二元关系的粗糙集
2.1.1 一般二元关系及其近似算子
2.1.2 特殊的二元关系及其近似算子
2.2 变精度粗糙集
2.2.1 多数包含关系与近似算子
2.2.2 口近似算子的性质
2.2.3 属性的依赖性与约简
2.3 基于覆盖的粗糙集
2.3.1 覆盖粗糙集及性质
2.3.2 最简覆盖
2.4 基于集对联系度的粗糙集
2.4.1 集对联系度及集对相似关系
2.4.2 集对粗糙近似算子及其性质
2.5 模糊粗糙集
2.5.1 模糊集
2.5.2 模糊粗糙集及粗糙模糊集
2.6 基于分子格及其预拓扑的近似算子
第3章 粗糙集代数及其性质
3.1 粗糙集代数系统
3.1.1 粗糙集代数的构造性定义
3.1.2 粗糙集代数的公理化刻画
3.2 粗糙集与Stone代数
3.3 粗糙集与Nelson代数
3.4 粗糙集代数与蕴涵格
3.5 粗糙集与FI代数
3.6 自反传递粗糙集中近似算子与拓扑算子的复合
3.7 粗糙半格
3.8 集值映射的近似算子及其性质
3.9 Boole环上的粗糙近似算子
3.10 基于分子格及其预拓扑的近似算子
3.10.1 基本概念及相关性质
3.10.2 粗近似及其性质
3.11 粗糙集与BCK代数
3.11.1 概述
3.11.2 粗糙集与BCK代数的定理
3.11.3 结语
第4章 粗糙集在数据挖掘中的软计算
4.1 属性约简的差别矩阵算法
4.1.1 差别矩阵与差别函数
4.1.2 属性约简算法
4.2 决策表的值约简算法
4.2.1 决策表的协调性
4.2.2 协调决策表的决策规则约简
4.2.3 不协调决策表的决策规则约简
4.3 属性值区间化的决策规则简化
4.4 基于相似关系的决策系统的知识获取算法
4.5 集值信息下的粗糙集与知识获取
4.6 基于程度粗糙集的知识约简算法
4.7 有效决策的增式生成算法
4.8 不完备信息系统中基于风险分析的粗糙集模型
4.9 基于差别矩阵的属性约简算法
4.10 随机决策系统中基于不可辨识矩阵的知识获取
第5章 粗糙集与决策树
5.1 决策树
5.1.1 决策树简介
5.1.2 决策树基本算法
5.1.3 基于信息熵的距离函数
5.2 基于值约简和决策树的最简规则提取算法
5.3 基于粗糙集和距离函数的决策树构造方法
第6章 粗糙集的AHP综合评价方法及应用
6.1 粗糙集的AHP综合评价方法
6.1.1 单人评价决策的判断矩阵的确定
6.1.2 群体评价决策的判断矩阵的确定
6.2 基于粗糙集的企业持续创新绩效评价
6.2.1 企业持续创新绩效评价指标体系
6.2.2 基于粗糙集的企业持续创新绩效评价模型
6.2.3 实例分析
6.3 基于粗糙集技术胜任力模型简化方法
6.3.1 基本概念
6.3.2 研究设计和结果
6.3.3 讨论
6.3.4 结论
6.4 优势直觉模糊粗糙集决策方法及其应用
6.4.1 直觉模糊优势距离指数
6.4.2 优势直觉模糊粗糙集
6.4.3 案例应用
参考文献
鄂公网安备 42010302001612号 