论文研究-融合粗糙集和二元萤火虫算法的雾霾关键影响因素预测方法.pdf,  雾霾对人类的日常生活带来极大的危害，因而分析产生雾霾的关键影响因素尤为重要.针对目前传统算法预测雾霾关键影响因素存在的缺陷，从一维细胞自动机入手，提出了一种以基于群落弱连接机制的二元萤火虫算法（CWLBGSO）为搜索策略，粗糙集为评价准则的混合方法.CWLBGSO基于自然界中萤火虫间协同进化的“弱连接”机制，划分搜索空间，为每个子空间分配相应的种群，各子种群中的次优个体相互交互产生新个体，从而保持种群的动态多样性，然后将CWLBGSO结合粗糙集，应用于北京，广州和上海三地雾霾关键影响因素的预测中，并结合10交叉验证和SVM算法对预测结果分类准确率和影响因素进行分析，通过与其它算法进行对比，结果表明本文算法能有效剔除冗余因素，预测结果具有较高的稳定性和可行性.

老师内部讲义，粗糙集粗糙集（Rough Set，RS）理论是一种刻划不完整性和不确定性的数学工具，能有效地分析和处理不精确、不一致、不完整等各种不完备信息，并从中发现隐含的知识，揭示潜在的规律。该理论是由波兰学者Z.Pawlak 教授 在1982 年提出的[12]，1991 年的Z.Pawlak 出版了第一本关于粗糙集的专著[51]，系统全面地阐述了RS 理论，奠定了严密的数学基础。该书和1992 年R.Slowinski 主编出版的关于粗糙集应用及其相关方法比较研究的论文集较好地总结了这一时期RS 理论与实践的研究成果[52]，促进了国际上对粗糙集理论与应用的深入研究。从1992 年至今， 每年召开以RS 为主题的国际会议，推动了RS 理论的拓展和应用。国际上成立了粗糙集学术研究会。目前RS 理论已成为人工智能以及计算智能中一个较新的学术热点，且在机器学习、决策分析、数据挖掘和知识发现等领域得到了具体应用和发展，并引起越来越多的科研人员的关注[13,52,53]。 粗糙集理论主要研究属性约简和规则提取，为此，本章主要介绍知识约简、属性约简和规则提取等方法。

基于偏振摄影技术和MATLAB实现对物体表面粗糙度的检测.pdf

matlab最简单的代码粗糙度数据库的表面粗糙度统计代码 MATLAB脚本处理表面粗糙度统计数据以支持由南安普敦大学托管的粗糙度数据库。 该脚本的开发思想是在运行代码时需要最少的用户界面。 换句话说，无需进行代码操作或更改即可正确导出粗糙度统计信息。 该脚本将生成数据库所需的正确文件夹结构。 结构应如下所示： Het_Irreg_TBL_turbine-blade_Barros_2014 要求 MATLAB的工作版本。 应该可以在Mac和PC上使用。 此外，建议在运行脚本之前先获得一些有关粗糙度的基本信息。 这些都是： 如果粗糙度是均质的或异质的; 如果粗糙度是规则的或不规则的; 是来自TBL ， Pipe ， Channel的结果; 是实验，模拟的结果; 该表面的一般描述，即“ Sandgrain”； 研究的主要作者的姓氏； 结果发布的年份； 是否标识此表面的名称，即“ 220Grit”？ 出版物的DOI。 此外，如果结果来自Experiments ，则需要探查器信息 分析器/扫描器的名称和型号； 以微米为单位的表面高度测量的不确定性。 入门 首先，访问并请求用户访问权限以上传内容，

粗糙集约简算法可解决属性冗余问题

设计了一种粗糙集分类器。构造相应决策表，利用粗糙集理论，通过对决策表进行条件属性约简、决策规则约简，获取最小决策规则，作为最终分类规则，利用训练好的规则，对待测样品X，已知其条件属性(即特征),在训练规则中检索，找到符合规则，其决策属性即为其类别。

针对在复合材料成型工艺方法确定中,当评判指标过多时,模糊评判结果不合理及指标权值不易确定的特点,通对复合材料制件的特征、成型方法、制造资源的分析,以可制造性、生产成本、生产周期为基础,采用分层法构造了一个基于模糊数学的树形分级多目标评估体系模型。利用粗糙集理论对评判指标进行约简,采用等价闭包法和信息熵理论进行指标的权值确定,最后通过实例验证了该方法的可行性。

基于粗糙集和遗传算法的数据挖掘方法.pdf 基于粗糙集和遗传算法的数据挖掘方法.pdf

粗糙集属性约简软件，能够用于进行属性约简，里面有自带的贪婪算法以及遗传算法等方法工具

采用向量化思想计算下近似、上近似，matlab代码实现。