一种新的基于属性重要性的粗糙集值约简算法，共同学习，共同进步

基于相对知识粒度的决策表约简

为快速响应客户需求和提高产品定制效率,通过分析产品设计过程的特点,结合粗糙集理论和神经网络方法各自的优势,提出一种融合粗糙集和神经网络的产品敏捷定制设计新方法,将粗糙集和神经网络方法有机集成应用于产品设计过程。该方法中,运用粗糙集对设计要求进行约简,提炼有效的决策条件;在此基础上,采用神经网络方法构建不同设计阶段的设计要求与其对应的产品结构间的网络模型,快速确定产品结构形式。并将该方法成功应用于某卷板机的总体方案定制设计过程。这种方法为实现产品敏捷定制开发提供了一种新的解决思路和技术手段。

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．

图像矩阵matlab代码scikit-粗糙集 这是一个基于的MATLAB代码的粗集特征约简算法的实现。 还提供了与scikit-learn软件包的集成。 安装 可以使用Python的pip实用程序轻松安装该软件包。 用法 用法非常简单，与scikit的功能选择模块相同： from scikit_roughsets . rs_reduction import RoughSetsSelector import numpy as np y = np . array ([[ 1 , 0 , 0 , 0 , 0 , 0 , 0 , 1 , 1 , 1 , 1 , 1 ]]). T X = np . array ([[ 1 , 1 , 1 , 1 , 0 , 0 , 0 , 0 , 1 , 1 , 0 , 1 ], [ 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 ], [ 1 , 0 , 1 , 0 , 0 , 0 , 0 , 0 , 0 , 1 , 0 , 0 ], [ 0 , 0 , 0 , 1 , 1 , 1 , 1 , 0 , 1 , 0 ,

利用邻域粗糙集进行属性约简，里面加入了8个数据集，有离散型数据，连续性数据，字母型数据。因此程序也加入了数据类型转换和归一化处理。程序函数在最下面部分。

人工智人-家居设计-粗糙集与蚁群算法在智能模糊PID控制器及数据约简中的应用.pdf

板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博人个式应响格逼高性个约简板模客博

粗糙集理论是模式识别和机器学习的重要内容，属性约简是粗糙集理论中核心步骤。然而传统的粗糙集理论对数据集进行属性约简，计算复杂度高，容易陷入局部最优解。提出了一种新型灰狼优化算法的粗糙集属性约简技术，可以很好地解决传统粗糙集理论出现的弊端。同时为了验证算法的可行性，采用国际通用UCI数据库进行验证，与两种传统的属性约简方法进行对比分析。实验结果表明，该方法属性约简个数少，识别精度高，证明该方法切实可行，操作简单。

粗糙集属性约简 C++实现，对各个函数进行封装，共有四个类，希望大家进行改进