粗糙集理论及其应用进展

被引：119

作者：

胡可云

陆玉昌

石纯一

机构：

[1] 清华大学计算机科学与技术系!北京,清华大学计算机科学与技术系!北京,清华大学计算机科学与技术系!北京

来源：

清华大学学报(自然科学版) | 2001年 / 01期

关键词：

粗糙集; 知识发现; 数据分析;

D O I：

10.16511/j.cnki.qhdxxb.2001.01.017

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。目前已在人工智能、知识与数据发现、模式识别与分类、故障检测等方面得到了广泛应用。首先描述了粗糙集的基本算法及其复杂度 ,包括等价关系 ,上下近似及各种约简算法 ;接着对粗糙集扩展理论 ,如可变精度模型 ,相似模型等进行了讨论 ,然后对粗糙集在数据挖掘、大数据集、粗糙逻辑、多方法融合等领域中的应用进展情况进行了论述 ,最后给出了建议的研究方向

引用

页码：64 / 68

页数：5

共 7 条

[1]

Rough set approach to incomplete information systems. Kryszkiewicz M. Journal of Information Science . 1998

[2]

Reduct generation in information system. Starzyk J,Nelson D E,Sturtz K. Bulletin of International Rough Set Society . 1999

[3] Intelligent Automation and Soft Computing [C].

World Automation Congress 2012

,2012

[4]

Varable precision rough set model. Ziarko W. Journal of Computer and System Sciences . 1993

[5]

Data-based acquisition and incremental modification of classification rules. Shan N,Ziarko W. Computational Linguistics . 1995

[6]

A rough set approach to attribute generalization in data mining. Chan C C. Journal of Information Science . 1998

[7]

Rough set reduction of attributes and their domains for neural networks. Jelonek J,Krawiec K,Slowinski R. Computational Linguistics . 1995

← 1 →