粗糙集理論與方法

第一章 粗糙集理論的基本概念
　1.1 知識與知識庫
　1.2 不精確范疇，近似與粗糙集
　1.3 知識約簡
　1.4 知識的依賴性
　1.5 知識表達(dá)系統(tǒng)
　1.6 決策表
　1.7 區(qū)分矩陣與區(qū)分函數(shù)
第二章 粗糙集模型的算法
　2.1 信息系統(tǒng)和決策表
　2.2 簡單分類
　2.3 支持子集
　2.4 決策屬性的支持度
　2.5 交的計(jì)算
　2.6 多個(gè)條件的支持度
　2.7 函數(shù)依賴
　2.8 恒等依賴
　2.9 重要性和核
　2.10 屬性依賴性
　2.11 約簡
第三章 一般關(guān)系下的粗糙集模型
　3.1 二元關(guān)系與鄰域算子
　3.2 二元關(guān)系與粗糙近似算子
　3.3 近似算子的其他定義形式與比較
　3.4 近似算子的表示
　3.5 程度粗糙集模型
第四章 粗糙集代數(shù)的公理化方法
　4.1 粗糙集理論的構(gòu)造性方法
　4.2 粗糙集理論的公理化方法
　4.3 構(gòu)造性方法與公理化方法的關(guān)系
　4.4 特殊類型的粗糙集代數(shù)
第五章 粗糙集系統(tǒng)的代數(shù)結(jié)構(gòu)
　5.1 粗糙集的Stone代數(shù)
　5.2 粗糙近似空間
　5.3 粗糙集和Nelson代數(shù)
　5.4 粗糙概念的代數(shù)刻畫
　5.5 半群中的粗理想
第六章 粗糙邏輯與決策
　6.1 基于完備信息系統(tǒng)的粗糙邏輯
　6.2 決策邏輯與決策
　6.3 基于不完備信息系統(tǒng)的模態(tài)邏輯
第七章 變精度粗糙集模型
　7.1 多數(shù)包含關(guān)系
　7.2 變精度粗糙集模型中的近似集
　7.3 集合的相對可辨別性
　7.4 β近似的性質(zhì)
　7.5 屬性的近似依賴性
　7.6 近似約簡
第八章 概率粗糙集模型
　8.1 有限論域上概率測度的基本知識
　8.2 信息摘
　8.3 概率粗糙集模型
　8.4 概率粗糙集模型的其他形式
　8.5 Bayes決策與粗糙近似
　8.6 粗糙隸屬函數(shù)與概念的聯(lián)合
　8.7 知識的不確定性度量
　8.8 概率粗糙集模型和確定性粗糙集模型的比較
第九章 模糊粗糙集模型
　9.1 模糊集的基本概念
　9.2 模糊關(guān)系
　9.3 模糊粗糙集
　9.4 基于三角模的模糊粗糙集模型
　9.5 基于包含度的粗糙集模型
　9.6 修正型模糊粗糙集模型
　9.7 粗糙集與模糊集的比較
第十章 基于隨機(jī)集的粗糙集模型
　10.1 隨機(jī)集與容度泛函
　10.2 信任函數(shù)與似然函數(shù)
　10.3 基于隨機(jī)集的粗糙集模型
　10.4 近似算子與可能性測度
第十一章 不完備信息系統(tǒng)的粗糙集方法
　11.1 不完備信息系統(tǒng)
　11.2 近似集
　11.3 決策表，決策規(guī)則和知識約簡
　11.4 區(qū)分函數(shù)與約簡的計(jì)算
參考文獻(xiàn)
記號表