作者：洪菁; 陈强; 刘惠彬离散化粗糙集模糊相似关系属性重要度归纳学习
摘要：对传统的粗糙集理论进行了扩展，提出了一种改进的粗糙集归纳学习方法。一方面，针对连续属性离散化，利用模糊集理论对连续属性进行模糊化，再根据模糊贴近度构造模糊相似矩阵，并用k-w方法粗略评估各连续属性的重要度，建立基于模糊相似关系的划分，最终生成相容的决策表。另一方面，针对解决最优属性的选择问题，提出一种加权求和的属性重要度定义。基于以上模型开发了一个原型系统，并以一个工程实例验证了此方法的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
