变精度软粗糙集

从集合间的包含程度出发,构造了一种基于包含度的变精度软粗糙集模型。提出带参数的变精度近似算子的定义,得到了它的基本性质和定理,并给出了证明;定义了双精度软粗糙集的近似算子,研究了其性质;讨论了该模型与其他粗糙集模型的关系以及退化条件;举例说明了在信息处理中的应用。     

一种基于粗集理论的动态近似规则挖掘推理方法

提出一种基于粗集理论的,把属性的重要性和属性值的出现频率综合起来进行规则推理的方法.分析了“激活一个,否则离开”原则的优缺点,指出在近似推理中,大前提中的规则数量应该可变.给出一种根据推理过程中规则的出现频率决定其是否保留,从而实现规则数量的动态变化的方法,证明了动态变化过程中规则的数量不会无限增加.实例表明此法是比较有效的.     

一种基于粗集理论属性约简的粗化算法

本文基于粗集理论，针对知识表达系统提出了一种新的归纳学习方法，对该方法中条件属性的简化进行了详细的讨论，并给出了一种具体的属性约简算法，其特点是简单，容易实现，考虑了属性值代表范围的合理性。     

两个域上的覆盖粗糙集模型

两个域上的覆盖粗糙集模型推广了一般关系下的粗糙集模型,定义了两个域上的覆盖二元关系,给出了最小子覆盖新的描述,进而得到两个域上基于最小子覆盖的粗糙集近似算子;给出了若干性质和定理的证明;通过与两个域上的粗糙集模型进行实例对比得出了两个域上的覆盖粗糙集模型的优点。