书名：粗糙集分类模型及特征选择算法研究
作者：卢正才
ISBN：978-7-5504-6214-4
出版社：西南财经大学出版社
出版日期：2024.06
本书分析并总结了该领域已有的研究成果，对粗糙集分类模型及特征选择算法展开了深入研究，并取得了一定的研究成果，希望对广大科研工作者有所启发。 本书共分六章。第1章绪论，介绍研究背景和意义，以及粗糙集分类模型及特征选择算法的研究现状。第2章正向宏近似分类模型，针对不完备数据的分类问题，研究并提出了正向宏近似分类模型及其特征选择算法。正向宏近似分类模型把整个决策类集作为一个整体来进行近似计算，从宏观的角度描述了决策类集的上下近似，是一种能够快速求解一系列不同属性子集下系统近似的机制。基于正向宏近似分类模型提出的特征选择算法，采用正向宏近似分类模型快速产生边界，采用边界度量的属性重要度作为启发信息决定最优寻找路径，采用边界评估的约简准则来识别特征子集，明显地提高了计算效率。第3章邻域划分分类模型，针对数值型和符号型数据的分类问题，提出了邻域划分分类模型及其特征选择算法。邻域划分分类模型通过邻域划分来描述分类模型，是对邻域决策粗糙集模型的改进和提升。基于邻域划分分类模型提出的特征选择算法，采用不平衡二叉树模型计算邻域，提高了计算效率；采用邻域正域确定度来评估属性，提高了分类精度。第4章强化一致优势分类模型，针对偏好型数据的分类问题，提出了强化一致优势分类模型及其特征选择算法。强化一致优势分类模型按照强化一致优势原则制定了对象分类策略，具有很强的鲁棒性。基于强化一致优势分类模型提出的特征选择算法采用组合粗糙熵度量属性重要度，综合考虑了偏好决策系统的知识不确定性和目标决策类集的不确定性，能快速找到约简。第5章混合数据分类模型及其在态势评估系统中的应用，针对符号型、数值型、偏好型数据共同描述的分类问题，提出了混合数据分类模型，并运用态势威胁评估分析，设计并实现了面向模型扩展的威胁评估系统。第6章总结与展望，对本书研究内容进行总结并对未来工作进行展望。 本书是关于粗糙集理论应用于数据分类的专著，希望本书的理论模型和算法分析，能够对从事模式识别、知识发现研究的学者以及爱好科研的朋友有一定的参考价值。