为获取连续属性值数据集的最小属性子集，提出了一种两步约简方法．该方法以模糊粗糙集模型为基础，将描述条件属性和决策属性依赖关系的模糊依赖度概念进行了扩展，使其能对条件属性之间的依赖关系进行度量，利用属性与类别之间的依赖度选出候选属性集，然后根据单个属性与类别和属性之间的依赖度对候选属性集进行约简．仿真结果表明，该方法在有效降低属性维数的同时一定程度上保证了分类正确率．

目的通过对数据进行约简提高模式识别中数据的有效性,以提高胶合板缺陷检测的准确率和在线的实时性。方法利用粗糙集理论在数据约简上的优势,提取出对模式识别决策结果影响最大的属性,约简掉对决策结果影响较小的属性。利用模糊逻辑在不确定性问题的能力,提高边缘属性在模式识别中的权重值。利用神经网络在模式识别中的有效性,将粗糙集算法、模糊逻辑、神经网络的人工智能算法有效相结合,提出一种基于模糊粗糙集神经网络的模式识别分类方法。结果结合胶合板缺陷检测,针对胶合板的13类缺陷的17个属性,提取出最有效的数据,约简了对决策影响

2020-Fuzzy information entropy-based adaptive approach for hybrid feature outlier detection-Matlab 代码 模糊粗糙集理论中基于模糊关系的模糊信息熵是一种重要的不确定性度量。然而，模糊信息熵用于混合特征离群点检测的研究尚未见报道。在此基础上，利用具有模糊相似关系的模糊近似空间，构造了一种基于模糊信息熵的混合特征离群点检测方法。首先，采用自适应模糊标准差半径和混合模糊相似度构造模糊近似空间，并在模糊信息熵的基础上定义相对模糊熵;然后，构造了两种度量来描述对象的离群度。最后，集成基于模糊熵的离群因子实现离群检测，设计了相关的基于模糊信息熵的离群检测算法(FIEOD)。将FIEOD算法与公共数据上的主要离群点检测算法进行了比较。实验结果表明，该方法具有较好的有效性和适应性。

直觉模糊粗糙集理论及应用.pdf

提出一种基于直觉模糊三角模的直觉模糊粗糙集．首先，定义了直觉模糊集上的T模及其剩余蕴涵，研究了直觉模糊T模的剩余蕴涵的性质，并推导了通用计算表达式；然后，将模糊T粗糙集扩展成直觉模糊粗糙集，证明了模糊T粗糙集、粗糙模糊集和Pawlak粗糙集都是直觉模糊粗糙集的特殊情形；最后，证明了直觉模糊粗糙集的一些性质．

针对彩铃业务交易记录较多和客户属性的高维度及混合性的特点，建立了基于信息熵度量的模糊粗集属性约简和RBF-SVM分类的彩铃客户挖掘模型。通过10 折交叉验证，对来自两个地市的营销返回样本，在选择特征数量和分类精度之间的差别与其他5个模型进行了比较分析。实验结果显示此模型获取了相对最高的平均分类精度（80.43%）和最少的平均特征属性（2.5个），有效地约简了属性并改善了分类能力。

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。

模糊粗糙集的稳定约简方法

基于多核和模糊决策的鲁棒模糊粗糙集模型用于特征选择