基于粗糙集理论的模糊控制规则的获取方法

将粗糙集理论与模糊逻辑技术相结合，提出了一种通过测量数据来获取模糊控制规则的方法。基于MATLAB／SIMULINK环境及其模糊逻辑工具箱，并结合粗糙集数据分析软件ROSET—TA，应用MATLAB语言实现了粗糙-模糊控制器控制规则的自动获取．通过对一个典型的二阶系统的仿真和对比分析，验证了本方法的可行性和有效性．     

基于粗糙集理论的模型结构选择与知识发现

为了合理选择决策模型，提出了一种基于粗糙集理论获取模型选择知识并利用获取的知识选择模型的方法．通过随机设定模型参数，得到备选模型的属性值为连续值的决策表；通过设定误差范围，获得决策表中对象之间的关系；利用该关系和粗糙集理论，对决策表进行属性约简，获得决策规则；按该决策规则进行推理，实现智能决策的模型选择．实例表明，该算法是可行的。     

不完备信息系统的基于集对分析粗糙集模型

粗糙集理论作为一种研究不确定性信息系统的教学工具,在数据挖掘和知识发现等方面得到了广泛应用,由于经典的粗糙集理论是基于等价关系的,它在不完备信息系统中的应用受到限制．近来不少研究成果将经典粗糙集中的等价关系的条件放宽,使粗糙集理论的应用更加广泛．文献利用集对分析研究了不完备信息系统的粗糙集模型,本文注意到空值在信息系统中也提供了一定的知识,建立了一个比更一般性的模型,并对此模型的基本性质、算法等进行了讨论。     

概率信息系统中扩展决策规则的决策推理

用概率信息系统表示对象与属性值之间的概率关系．根据粗糙集理论，采用平均算子，获取概率信息系统的扩展决策规则集．用关系合成的模糊推理方法，实现了扩展决策规则集的决策推理．     

模糊粗糙集的表示定理

通过对偶方式定义了模糊集的上、下近似算子，给出了模糊粗糙集在相应的模糊关系及模糊集的截集下的表示定理，证明了这种模糊粗糙集关于模糊近似空间的上近似恰为其在二元模糊相似关系下导出的广义扩张原理之下的像。证明了Zadeh模糊推理合成规则(CRI)与特定的广义扩张原理具有相同的形式。推理结果也可由此获得，这样可借助广义扩张原理的性质及粗糙集理论研究模糊推理．     

基于粗糙集-BP神经网络客户群特征与服务映射模型研究

针对客户服务项目的不确定性，基于不可分辨关系的粗糙集理论和BP神经网络算法优良的分类映射能力，提出了面向细分客户群的基于粗糙BP神经网络客户群特征与服务项目映射模型。本文将分析客户特征，运用粗糙集理论进行客户特征约简、划分等价关系、建立BP神经网络的初始拓扑结构，运用K-means算法划分客户群。通过引入粗糙集理论，改进BP神经网络算法，加快BP网络收敛的速度和逃离局部极小值点，并利用rosetta软件和Matlab编程实现面向细分客户群的客户特征与服务项目映射模型。     

粗糙集理论在公路网综合评价中的应用

通过分析目前公路网综合评价中所存在的问题，引入粗糙集理论，所建立的基于粗糙集理论的公路网综合评价方法，避免了权重确定中主观因素的影响。实例验证，利用该方法可取得令人满意的效果。     

知识发现与数据仓库

对知识发现和数据挖掘的基本理论作必要的阐述，其中包括知识发现方法，数据仓库，数据工具－粗糙集等理论基础，并概述了其应用前景。     

粗糙集代数与格蕴涵代数

讨论粗糙集代数与格蕴涵代数的关系以及由粗糙集代数构造格蕴涵代数的方法．借助近似代数上的原子及同余关系，证明了在适当选取蕴涵算子及余运算之后，粗糙集代数就成为格蕴涵代数。     

基于粗糙集和贝叶斯分类器的病毒程序检测

在病毒程序检测中将粗糙集与贝叶斯分类器相结合．该方法在粗糙集属性约简的基础上，综合考虑了条件属性和决策属性的依赖性以及条件属性间的依赖性对约简的影响．通过基于依赖性的属性约简，减少对属性变量间独立性的限制，发挥贝叶斯分类器的鲁棒性潜能，优化贝叶斯分类器的特性．实验结果表明，检测率达到97．88％，正确率为97．16％，明显高于传统的基于特征和RIPPER的方法，也高于多贝叶斯方法；虚警率为5．19％，也比上述所有方法均有所降低．