粗糙集工具箱 可以进行粗糙集上下近似集的计算，重要度等等 属性约简 决策分类-Toolbox rough sets rough sets can calculate the upper and lower approximations, importance, etc., etc. Classification Decision Attribute Reduction

数据挖掘(Data Mining)阶段首先要确定挖掘的任务或目的。数据挖掘的目的就是得出隐藏在数据中的有价值的信息。数据挖掘是一门涉及面很广的交叉学科，包括器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。它也常被称为“知识发现”。知识发现(KDD)被认为是从数据中发现有用知识的整个过程。数据挖掘被认为是KDD过程中的一个特定步骤，它用专门算法从数据中抽取模式(patter，如数据分类、聚类、关联规则发现或序列模式发现等。数据挖掘主要步骤是：数据准备、数据挖掘、结果的解释

MATLAB粗糙集属性约简库（内含实例，原创） 函数M文件： TargetOptFcn.m ------------ 遗传算法的目标函数 PositiveRegion.m --------- 计算正域 LowerApproximation.m ------ 计算下近似 IsSub.m ------------------- 判断集合A是否是集合B的子集 EquivalentClassSet.m ----- 基于R分类的所有等价类的集合，即U/R EleEquival

这是天津大学胡清华老师在粗糙集邻域领域做的最经典的源码，同学们可以在此基础上学习和修改，入口程序已经写好，需要其他方法可以自己添加，MAIN.m是入口程序，参数的意思在子函数里讲的很明白，调用了featureselect_FW_fast.m用来属性约简，几个clsf_dpd文件是使用不同的距离公式来计算属性重要度，选择得到属性结果，使用crossvalidate.m十折交叉算法来计算计算算法精度，该段代码调用了几个分类器，C4_5.m是决策树，KNN.m是最近邻分类器，NEC.m是类似于KNN的