使用粗糙集进行聚类的Python实现 ###说明整数特征的粗糙聚类-请参见/ code / README_rough_sets浮点特征的粗糙k均值聚类-请参见/ code / README_rough_kmeans ＃＃＃＃输入 Both algorithms take as input a dictionary with : list pairs (float/integer features) ＃＃＃＃用法 /tests/rough_clustering_tests.py - example usage and tests for known 2-class clustering problem in UCI Statlog Data set for credit risk /tests/rough_kmeans_tests.py - example u

有关于粗糙集的简单介绍，PPT

粗糙集的在未来的基本应用以及其范围和优点好处

改进属性重要度概念，给出了一种基于粗糙集理论的单属性重要度和组合属性重要度结合的确定属性权重的方法及其具体操作步骤。通过实例说明，改进的粗糙集权重计算方法具有普适性，权重计算更合理。

粗糙集软件_基本使用说明。是对Rosetta_software 的使用详细说明。

基于粗糙集理论的离散化程序，无监督离散化方法

邻域粗糙集的相关学习算法可学习运行，对于研究粒度计算方面或许会有一点点用处，如有一些新的切入点可以一起探讨一下。

三、基于粗糙集的属性约简 定义 对等价关系族R，存在r∈R,如果 则r为R中可省略的，否则称r为R中不可省略的。 (ind(R)表示集合中元素关于R不可分辨关系) 对于属性子集 ，若存在, , 使得 则Q为最小子集，则称Q为P的简化，记为

国内的一些粗糙集，模糊集相关研究，想了解粗糙集，模糊集概率、理论、方法及其应用的好资料。

粗糙集和知识技术前言的进展