●第1章緒論
1.1粗糙集理論簡介
1.2粗糙集理論的研究與發展
1.2.1粗糙集理論的產生
1.2.2粗糙集理論的發展
1.2.3粗糙集理論研究熱點
1.3粗糙集理論基礎知識
1.3.1粗糙集的基本概念
1.3.2粗糙集理論關繫
1.3.3不確定性度量
1.3.4約簡
1.4粗糙集理論研究的必要性
1.5本書內容編排
第2章基於區分能力的知識不確定性度量方法
2.1信息繫統中單屬性集的不確定性度量
2.3信息繫統中多屬性集的組合度量
2.3.1同可區分度
2.3.2相對可區分度
2.3.3聯合可區分度
2.3.4同可區分度、相對可區分度和聯合可區分度間的關繫
2.4基於區分能力的不確定性度量和現有不確定性度量之間的關繫
第3章一種統一的加權不確定性度量
3.1基於關繫的知識加權不確定性度量
3.1.1基於關繫的α粒度熵及其性質
3.1.2基於關繫的α熵及其性質
3.1.3關繫下不同知識間的不確定性度量
3.1.4加權不確定性度量和現有不確定性度量間的關繫
3.2基於關繫的粗糙集集成加權不確定性度量
3.2.1現有不確定性度量的缺陷
3.2.2粗糙集集成加權不確定性度量
第4章基於區分能力觀點的屬性約簡算法
4.1基於不可區分度的啟發式快速完備約簡算法
4.1.1基於不可區分度的屬性重要性及其約簡
4.1.2基於不可區分度的啟發式約簡算法
4.1.3實驗分析
4.2基於相對可區分度的屬性約簡算法
4.2.1現有約簡算法的缺陷
4.2.2基於相對可區分度的屬性重要性及其約簡
4.2.3基於代數觀點、信息觀點和區分能力觀點約簡定義間的關繫
4.2.4實驗分析
第5章基於區分能力觀點的不協調決策表約簡算法
5.1不協調信患繫統的基本知識
5.2不協調決策表約簡算法之間的關繫
5.3商效的不協調決策表約簡算法
5.3.1簡化協調決策表
5.3.2不協調決策表的約簡
5.3.3一種高效的不協調決策表約簡算法
5.4實驗分析
5.4.1實例
5.4.2對UCI數據的處理
第6章基於關繫的近似屬性約簡算法
6.1關繫下基於區分能力觀點的近似屬性約簡算法
6.1.1基於區分能力的近似屬性約簡算法
6.1.2近似約簡算法的實例分析
6.1.3近似約簡算法在SIFT特征匹配算法中的應用
6.2關繫下基於加權理精度的加權近似屬性約簡算法
6.2.1基於加權α精度的加權近似屬性約簡算法
6.2.2基於加權α精度的近似約簡算法實例分析
6.3兩種近似參數β和ε對屬性約簡和分類精度的影響
6.4基於加權α精度的多約簡組合分類算法
6.4.1基於加權α精度的多約簡組合分類算法
6.4.2實驗分析
6.4.3算法CRCAWαA在紅外與激光融合目標識別中的應用
第7章基於鄰域組合測度的屬性約簡算法
7.1鄰域粗糙集基本概念
7.2基於鄰域組合測度的屬性約簡算法
7.2.1基於鄰域組合測度的不確定性度量
7.2.2基於鄰域組合測度的屬性約簡算法
7.3實驗分析
7.4在三維點雲目標識別中的應用
參考文獻