本文在介绍粗糙集理论的基础上,给出粗糙集 理论在数据挖掘中的应用,属性约简的启发式算法, 通过一个实例说明了算法的有效性

针对粗糙集理论中的属性约简问题做了探讨研究。从寻找属性约简的角度,首先描述了决策表中的属性的重要性,并利用已求得的正区域使处理数据的范围不断缩小,约简集中的属性从核集开始,通过向属性核添加重要性最大的属性,得到属性的最小相对约简。从而减少求约简的时间。最后进行实证,该算法同传统的算法相比,在计算量减少的同时能得到更简约的结果,证明了该算法的正确性和可行性。

基于粗糙集与证据理论的信息融合研究论文，可以将教你知道如何将粗糙集与证据理论融合，采集信息的必要性。

Rosetta是由挪威科技大学计算机与信息科学系和波兰华沙大学数学研究所合作开发的一个基于Rough集理论框架的表格逻辑数据分析工具包，包括了计算核和图形用户界面，能够在微机的WindowsNT/98/95操作系统上运行。 Rosetta 的设计实现了对数据挖掘和知识获取的支持从数据的初始浏览和预处理，计算最小属性约简和产生if-then决策规则或描述模式，到对所得到的规则或模式的验证和分析。Rosetta的目的是要作为基于不可分辨关系模型的通用工具，而不是为某个特定的应用领域设计的专用系统。 Rosetta提供了一个很直观的图形用户接口，采用了数据导航的技术。图形用户界面是高度面向对象的，所有操作对象被表示为独立的图形用户界面的元素项，每个元素有自己的与上下为相关的菜单集合。 Rosetta 的计算核心也可以采用命令行程序。计算核心提供了如下的功能： 输入/输出 通过ODBC和DBMSs部分集成 输出格式包括规则、约简、表格、图像以及C++和Prolog等格式。 预处理 不完备数据表的完备化处理（数据补齐） 连续属性值的离散化 计算 支持有教师学习和无教师学习 支持用户自己定义的不可分辨关系概念 对不同类型的不可分辨关系有效地计算精确约简和近似约简 产生if-then规则或以约简形式表达的描述模式 执行文件 支持交叉沿着测试 后处理 过滤约简结果和所得到的规则 验证与分析 用得到的规则处理未知样本 产生混淆矩阵、ROC曲线和标度曲线 用一定的质量标准对规则进行评价 统计假设测试 其他 公差关系聚类 计算划分和可变精度Rough集近似 支持对观察的随机抽样。 Rosetta在上述的功能中提供了很多可选的算法，是一个很好的研究试验平台。

结合Matlab语言和粗糙集理论的特点,提出了集合的二进制表示方案,巧妙地解决了基于变精度粗糙集模型的程序设计 问题。

液压泵是液压系统的核心,液压泵发生故障将影响整个液压系统的工作性能,因此,将数据挖掘技术应用于液压泵的故障诊断之中。首先,分析了数据挖掘的理论模型,分别讨论了数据清洗、数据标准化、数据的离散化以及模糊粗糙集的数据挖掘方法;其次,构建了基于模糊粗糙集数据挖掘的液压泵故障诊断模型;最后,进行了液压泵故障诊断仿真研究,仿真结果表明该数据挖掘技术具有较高的故障诊断准确率。

文中设计了贝叶斯与粗糙集方法的多Agent系统的电网故障诊断，给出了该方法解决电网故障诊断的实验步骤，并结合一个经典的电力系统故障诊断模型进行实验，通过多种情况的计算结果，证明了该方法的正确性和优势，设计了基于贝叶斯与粗糙集方法的多Agent系统结构图，给出了各Agent单元的功能设定及协调过程。

粗糙集工具箱 可以进行粗糙集上下近似集的计算，重要度等等 属性约简 决策分类等等

matlab的计算程序，通过matlab计算粗糙集理论的各项参数

粗糙集详细matlab代码粗糙集详细matlab代码粗糙集详细matlab代码粗糙集详细matlab代码粗糙集详细matlab代码粗糙集详细matlab代码