粗糙集理论与方法

作者简介

《粗糙集理论与方法》系统地介绍了粗糙集理论的基本内容与方法，力图概括国内外最新成果。主要内容有：粗糙集的基本概念，粗糙计算方法，粗糙集的代数性质与粗糙逻辑，粗糙集的各种推广模型，粗糙集与其他处理不确定或不精确问题理论的联系以及不完备信息系统下的粗糙集方法。

书籍目录

第一章 粗糙集理论的基本概念1.1 知识与知识库1.2 不精确范畴，近似与粗糙集1.3 知识约简1.4 知识的依赖性1.5 知识表达系统1.6 决策表1.7 区分矩阵与区分函数第二章 粗糙集模型的算法2.1 信息系统和决策表2.2 简单分类2.3 支持子集2.4 决策属性的支持度2.5 交的计算2.6 多个条件的支持度2.7 函数依赖2.8 恒等依赖2.9 重要性和核2.10 属性依赖性2.11 约简第三章 一般关系下的粗糙集模型3.1 二元关系与邻域算子3.2 二元关系与粗糙近似算子3.3 近似算子的其他定义形式与比较3.4 近似算子的表示3.5 程度粗糙集模型第四章 粗糙集代数的公理化方法4.1 粗糙集理论的构造性方法4.2 粗糙集理论的公理化方法4.3 构造性方法与公理化方法的关系4.4 特殊类型的粗糙集代数第五章 粗糙集系统的代数结构5.1 粗糙集的Stone代数5.2 粗糙近似空间5.3 粗糙集和Nelson代数5.4 粗糙概念的代数刻画5.5 半群中的粗理想第六章 粗糙逻辑与决策6.1 基于完备信息系统的粗糙逻辑6.2 决策逻辑与决策6.3 基于不完备信息系统的模态逻辑第七章 变精度粗糙集模型7.1 多数包含关系7.2 变精度粗糙集模型中的近似集7.3 集合的相对可辨别性7.4 β近似的性质7.5 属性的近似依赖性7.6 近似约简第八章 概率粗糙集模型8.1 有限论域上概率测度的基本知识8.2 信息摘8.3 概率粗糙集模型8.4 概率粗糙集模型的其他形式8.5 Bayes决策与粗糙近似8.6 粗糙隶属函数与概念的联合8.7 知识的不确定性度量8.8 概率粗糙集模型和确定性粗糙集模型的比较第九章 模糊粗糙集模型9.1 模糊集的基本概念9.2 模糊关系9.3 模糊粗糙集9.4 基于三角模的模糊粗糙集模型9.5 基于包含度的粗糙集模型9.6 修正型模糊粗糙集模型9.7 粗糙集与模糊集的比较第十章 基于随机集的粗糙集模型10.1 随机集与容度泛函10.2 信任函数与似然函数10.3 基于随机集的粗糙集模型10.4 近似算子与可能性测度第十一章 不完备信息系统的粗糙集方法11.1 不完备信息系统11.2 近似集11.3 决策表，决策规则和知识约简11.4 区分函数与约简的计算参考文献记号表

编辑推荐

　　《粗糙集理论与方法》可作为计算机科学、应用数学、自动控制、信息科学和管理工程等专业的高年级学生及研究生的教材，也可作为研究粗糙集理论与方法的科技人员的参考书。

图书封面

---

 粗糙集理论与方法下载

---