内容简介
本书主要围绕着粗糙集理论的概念以及粗糙集在实际中应用的要点展开，涵盖了粗糙集理论的基本观点和特点、粗糙集理行实际应用的一般模型、粗糙集理论的主要算法、粗糙集属约简的主要方案、粗糙集在综合评价中的应用等内容，形成了较为完善的粗糙集应用理论和技术方案，对丰富和发展粗糙集及不确定决策理论作了有益的探索。
目录
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 集似与粗糙集1.3.1 似集与似集1.3.2似精度与粗糙度1.3.3 粗糙隶属函数1.4 属约简1.4.1 一般约简1.4.2 相对约简1.4.3 属的依赖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 一般二元关系及似算子2.1.2 特殊的二元关系及似算子2.2 变精度粗糙集2.2.1 多含关系似算子2.2.2 似算子的质2.2.3 属的依赖与约简2.3 基于覆盖的粗糙集2.3.1 覆盖粗糙集及质2.3.2 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 集对粗似算子及其质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似算子第3章 粗糙集代数及其质3.1 粗糙集代数系统3.1.1 粗糙集代数的构造定义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 自反传递粗糙集似算子与拓扑算子的复合3.7 粗糙半格3.8 集值映射似算子及其质3.9 Boole环上的粗似算子3.10 基于分子格及其预拓扑似算子3.10.1 基本概念及相关质3.10.2 似及其质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 属约简算法4.2 决策表的值约简算法4.2.1 决策表的协调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 基于差别矩阵的属约简算法4.10 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