粗糙集理論在不確定決策中的運(yùn)用研究

第1章 粗糙集理論的基本概念
1.1 集合與關(guān)系
1.1.1 集合及其運(yùn)算
1.1.2 關(guān)系
1.2 信息系統(tǒng)
1.3 集合近似與粗糙集
1.3.1 下近似集與上近似集
1.3.2 近似精度與粗糙度
1.3.3 粗糙隸屬函數(shù)
1.4 屬性約簡
1.4.1 一般約簡
1.4.2 相對約簡
1.4.3 屬性的依賴性
1.5 決策規(guī)則的提取
第2章 幾種拓展的粗糙集
2.1 基于一般二元關(guān)系的粗糙集
2.1.1 一般二元關(guān)系及其近似算子
2.1.2 特殊的二元關(guān)系及其近似算子
2.2 變精度粗糙集
2.2.1 多數(shù)包含關(guān)系與近似算子
2.2.2 口近似算子的性質(zhì)
2.2.3 屬性的依賴性與約簡
2.3 基于覆蓋的粗糙集
2.3.1 覆蓋粗糙集及性質(zhì)
2.3.2 最簡覆蓋
2.4 基于集對聯(lián)系度的粗糙集
2.4.1 集對聯(lián)系度及集對相似關(guān)系
2.4.2 集對粗糙近似算子及其性質(zhì)
2.5 模糊粗糙集
2.5.1 模糊集
2.5.2 模糊粗糙集及粗糙模糊集
2.6 基于分子格及其預(yù)拓?fù)涞慕扑阕?br />第3章 粗糙集代數(shù)及其性質(zhì)
3.1 粗糙集代數(shù)系統(tǒng)
3.1.1 粗糙集代數(shù)的構(gòu)造性定義
3.1.2 粗糙集代數(shù)的公理化刻畫
3.2 粗糙集與Stone代數(shù)
3.3 粗糙集與Nelson代數(shù)
3.4 粗糙集代數(shù)與蘊(yùn)涵格
3.5 粗糙集與FI代數(shù)
3.6 自反傳遞粗糙集中近似算子與拓?fù)渌阕拥膹?fù)合
3.7 粗糙半格
3.8 集值映射的近似算子及其性質(zhì)
3.9 Boole環(huán)上的粗糙近似算子
3.10 基于分子格及其預(yù)拓?fù)涞慕扑阕?br /> 3.10.1 基本概念及相關(guān)性質(zhì)
3.10.2 粗近似及其性質(zhì)
3.11 粗糙集與BCK代數(shù)
3.11.1 概述
3.11.2 粗糙集與BCK代數(shù)的定理
3.11.3 結(jié)語
第4章 粗糙集在數(shù)據(jù)挖掘中的軟計(jì)算
4.1 屬性約簡的差別矩陣算法
4.1.1 差別矩陣與差別函數(shù)
4.1.2 屬性約簡算法
4.2 決策表的值約簡算法
4.2.1 決策表的協(xié)調(diào)性
4.2.2 協(xié)調(diào)決策表的決策規(guī)則約簡
4.2.3 不協(xié)調(diào)決策表的決策規(guī)則約簡
4.3 屬性值區(qū)間化的決策規(guī)則簡化
4.4 基于相似關(guān)系的決策系統(tǒng)的知識獲取算法
4.5 集值信息下的粗糙集與知識獲取
4.6 基于程度粗糙集的知識約簡算法
4.7 有效決策的增式生成算法
4.8 不完備信息系統(tǒng)中基于風(fēng)險(xiǎn)分析的粗糙集模型
4.9 基于差別矩陣的屬性約簡算法
4.10 隨機(jī)決策系統(tǒng)中基于不可辨識矩陣的知識獲取
第5章 粗糙集與決策樹
5.1 決策樹
5.1.1 決策樹簡介
5.1.2 決策樹基本算法
5.1.3 基于信息熵的距離函數(shù)
5.2 基于值約簡和決策樹的最簡規(guī)則提取算法
5.3 基于粗糙集和距離函數(shù)的決策樹構(gòu)造方法
第6章 粗糙集的AHP綜合評價方法及應(yīng)用
6.1 粗糙集的AHP綜合評價方法
6.1.1 單人評價決策的判斷矩陣的確定
6.1.2 群體評價決策的判斷矩陣的確定
6.2 基于粗糙集的企業(yè)持續(xù)創(chuàng)新績效評價
6.2.1 企業(yè)持續(xù)創(chuàng)新績效評價指標(biāo)體系
6.2.2 基于粗糙集的企業(yè)持續(xù)創(chuàng)新績效評價模型
6.2.3 實(shí)例分析
6.3 基于粗糙集技術(shù)勝任力模型簡化方法
6.3.1 基本概念
6.3.2 研究設(shè)計(jì)和結(jié)果
6.3.3 討論
6.3.4 結(jié)論
6.4 優(yōu)勢直覺模糊粗糙集決策方法及其應(yīng)用
6.4.1 直覺模糊優(yōu)勢距離指數(shù)
6.4.2 優(yōu)勢直覺模糊粗糙集
6.4.3 案例應(yīng)用
參考文獻(xiàn)