奇异粗糙集理论及其研究现状

简要介绍Pawlak粗糙集概念，着重介绍奇异集合、奇异粗糙集的基本概念，奇异粗糙集的两种结构，奇异粗糙集与Pawlak粗糙集的关系，以及奇异粗糙集的研究现状。     

基于粗糙集理论的电力电子电路故障诊断

基于粗糙集理论，提出了一种电力电子电路故障诊断的新方法：粗糙集方法。简单介绍了粗糙集理论，详细叙述了利用粗糙集理论诊断电力电子电路的过程。文章以三相可控整流电路为例，利用粗糙集理论，对故障信息中样本的故障征兆进行处理，通过知识约简，删除多余的征兆属性，形成诊断的确定性规则，实现故障分类。仿真实例表明，与以往的诊断方法比较，该方法不仅准确可靠，而且直观方便。     

S-粗糙集的粗糙度与数据挖掘

介绍了S-粗糙集的概念，在此基础上给出了S-粗糙集粗糙度的概念及其性质，为S-粗糙集在数据挖掘中的应用提供了有用的分析工具。     

模糊粗糙集的模糊度

粗糙集理论和模糊集理论都是研究信息系统中知识的不完善、不准确问题，前者基于信息系统中知识的不可分辨性，后者基于信息系统中知识的模糊性，将二者结合形成了模糊粗糙集。模糊度是模糊集的一种重要的数字特征，我们用模糊度来刻画模糊集的整体模糊程度。本文讨论模糊粗糙集的性质，定义了模糊粗糙集的模糊度。并在此基础上，分别给出了模糊粗糙集的Minkowski模糊度，Haming模糊度，Euclid模糊度。     

基于粗糙集的数据挖掘及其在知识获取中的应用

本文介绍了粗糙集的基本理论，并将其作为一种新的数据挖掘工具引入，研究和探讨了基于粗糙集的数据挖掘过程，及其在加工过程的知识获取中的应用。     

关于粗糙集的若干注记（I）——粗糙集与Stone代数

粗糙集理论是处理和表示不准确信息的极为有效的数学工具，也是对其他处理不完备信息的理论和方法（如，可能性理论，证据理论，模糊集理论等）的补充。研究了粗糙集理论与Stone代数的关系，并给出与粗糙集和条件事件密切相关的Stone代数的同构定理。     

带隶属度及权重的粗糙集模型的构建

提出了带隶属度及权重的粗糙集模型。在这种模型中，给出带隶属度及权重的信息系统，进行噪音的处理．这种粗糙集的拓广模型克服经典粗糙集分类过于严格、对噪音过于敏感、某些隐藏在边界中的规则丢失等缺陷，并用算例验证了该模型是可行的。     

几个推广的粗糙集概念之间的关系

在Nanda和Majumdar提出的模糊粗糙集和粗糙模糊集，及Atanassov提出的直觉模糊集的意义下，综合讨论了这几个推广的粗糙集概念的格性质及它们之间的相互关系．     

粗糙集理论的应用探析

介绍粗糙集理论的发展状况,重点总结目前粗糙集理论的几种应用形式,即粗糙集理论与知识发现相结合、粗糙集理论与专家系统相结合、粗糙集理论与神经网络相结合以及粗糙集理论与其他智能技术相结合;同时也探讨了粗糙集理论研究中存在的一些问题。     

粗糙子群的判定

粗糙代数是粗糙集理论研究的重要方向，粗糙群是粗糙代数的主要内容之一。本文以Pawlak粗糙集模型、群论等为基础，主要讨论粗糙集理论在代数群论上的应用，首先给出粗糙子群的概念与性质，然后研究粗糙子群，粗糙交换子群等的判定。     

模糊粗糙集中依参数粗糙度的新算法

自M.Banerjee和S.K.pal提出了模糊粗糙集的基本模型以来,模糊粗糙集一直是粗糙集理论研究的一个重要课题。本文在模糊粗糙集基本模型基础上首先从λ-模糊截集的概念出发,提出了基于λ-模糊截集的上、下近似的概念,给出了依参数粗糙度的新计算方法,从而使模糊粗糙集中依参数粗糙度得到了显著的改进,并通过具体实例证明了该方法的有效性,特别是当处理的数据较多时该方法尤为优越。     

模糊粗糙集代数

定义了模糊粗糙集合理的补运算,从而利用公理化方法构造出推广了的粗糙集代数.在此基础上定义了模糊粗糙集代数,并讨论了模糊粗糙集代数的简单性质.     

基于粗糙集与信息熵的属性重要性度量

阐述了粗糙集和信息熵的概念,在此基础上给出了基于信息熵的属性重要性度量公式,并证明了属性集中绝对必要元素与属性重要度之间的关系.最后,通过实例分析表明该公式的有效性.     

基于模糊等价关系的粗糙集方法

在对研究信息系统中知识不完全、不确定问题的两种重要理论粗糙集和模糊集进行比较分析的基础上,结合模糊集和粗糙集各自的优点,针对信息系统中数据量庞大且属性值大多是连续的、很多数据对象具有相同或相似性质的情况,提出一种基于模糊等价关系的粗糙集方法,实现了粗糙集理论与模糊集理论的有机结合;并通过一个应用实例,证明了此方法的有效性．     

基于粗糙径向基函数的瓦斯涌出量预测

针对径向基网络对训练样本要求高的情形,将粗糙集和径向基神经网络相结合,提出粗糙径向基神经网络的方法,利用粗糙集对数据进行属性规约,得到适合径向基网络要求的数据,进而提高了其训练速度以及精度。将该方法应用在瓦斯涌出量预测的实验中,并将粗糙径向基神经网络和BP网络的预测结果进行对比,可以得出粗糙径向基网络预测效果比BP的效果好的结论,同时证实该方法的可行性。     

基于粗糙集的数据挖掘方法分析

文章从数据挖掘和粗糙集的基本概念出发,研究粗糙集理论在数据挖掘中的典型运用,为大型数据挖掘提供了一种新的方法。基于粗糙集的数据挖掘,首先通过粗糙集理论对数据进行预处理,然后对属性约简,最后进行决策规则提取,寻找最优解。     

基于粗糙集近似的信息熵

粗糙集理论中提出的不确定性测量方法只依赖于一个论域的划分和基数,独立于粗糙集上下近似,而粗糙集理论的基本思想是通过上、下近似来描述不完整或不精确的概念。本文基于粗糙集近似提出了一种新的信息熵函数,并对其单调性问题加以研究。     

基于粗集理论的知识发现

知识发现是知识信息处理的关键问题之一,粗集作为一种数据分析理论能有效地从不确定性的数据中发现知识,是目前在知识发现领域研究的热点之一。本文首先对知识发现和粗集理论做了简单介绍,在此基础上论述了粗集作为一种数学工具在知识发现领域中的重要性,并提出粗集的进一步可能发展方向。     

粗糙模糊集的截集性质及其应用

本文研究了粗糙模糊集的截集性质,粗糙模糊集的上、下近似算子具有保截集性质.在此基础上给出了粗糙模糊集的分解定理,证明了模糊上、下近似算子是其限制在经典集合上算子的典范扩张.最后,利用截集性质简化了模糊集的粗糙度和精度的计算,并给出一个应用实例.