Rough Set Theory: A True Landmark in Data Analysis

در طول سال‌ها، نظریه مجموعه‌های خشن به عنوان روشی مناسب برای برخورد با دانش ناقص به روشی ساده، اما از نظر ریاضی، شهرت شایسته‌ای به دست آورده است. هدف این جلد ویرایش شده تأکید بر مزایای استفاده از مجموعه‌های خشن در بسیاری از موقعیت‌های واقعی است، در حالی که همچنان بر جنبه‌های توپولوژیکی نظریه و همچنین تقویت پیوند آن با سایر پارادایم‌های محاسباتی نرم توجه دارد. این جلد شامل 11 فصل و در سه بخش تنظیم شده است. بخش 1 به مشارکت های نظری می پردازد در حالی که بخش های 2 و 3 بر چندین برنامه کاربردی داده کاوی در دنیای واقعی تمرکز دارند. فصل‌هایی که توسط پیشگامان تألیف شده‌اند، بر اساس ایده‌ها/مفاهیم اساسی و نه بر اساس تکنیک‌های به کار رفته، انتخاب شده‌اند. دانشگاهیان، دانشمندان و همچنین مهندسانی که در حوزه تحقیقاتی راف مجموعه، هوش محاسباتی، محاسبات نرم و داده کاوی کار می کنند، پوشش جامع این کتاب را ارزشمند خواهند یافت.

Along the years, rough set theory has earned a well-deserved reputation as a sound methodology for dealing with imperfect knowledge in a simple though mathematically sound way. This edited volume aims at continue stressing the benefits of applying rough sets in many real-life situations while still keeping an eye on topological aspects of the theory as well as strengthening its linkage with other soft computing paradigms. The volume comprises 11 chapters and is organized into three parts. Part 1 deals with theoretical contributions while Parts 2 and 3 focus on several real world data mining applications. Chapters authored by pioneers were selected on the basis of fundamental ideas/concepts rather than the thoroughness of techniques deployed. Academics, scientists as well as engineers working in the rough set, computational intelligence, soft computing and data mining research area will find the comprehensive coverage of this book invaluable.