Rough Sets and Current Trends in Computing: 4th International Conference, RSCTC 2004, Uppsala, Sweden, June 1-5, 2004. Proceedings

در سال‌های اخیر نظریه مجموعه‌های خشن توجه بسیاری از محققین و پزشکان در سراسر جهان را به خود جلب کرده است که اساساً در توسعه و کاربردهای آن مشارکت داشته‌اند. از رصد پژوهش‌های رشدی در مبانی فرومجموعه‌ها، از جمله جنبه‌های مختلف منطقی، ریاضی و فلسفی مجموعه‌های خشن استفاده می‌کنیم. برخی روابط قبلاً بین مجموعه‌های خشن و سایر رویکردها و همچنین با طیف وسیعی از سیستم‌های ترکیبی برقرار شده است. در نتیجه، مجموعه‌های ناهموار با مدل‌سازی سیستم تصمیم‌گیری و تحلیل سیستم‌های پیچیده، مجموعه‌های فازی، شبکه‌های عصبی، محاسبات تکاملی، داده‌کاوی و کشف دانش، تشخیص الگو، یادگیری ماشین و استدلال تقریبی مرتبط هستند. به طور خاص، مجموعه‌های خشن در استدلال احتمالی، محاسبات دانه‌ای (شامل محاسبات گرانول اطلاعات بر اساس صرف شناسی خشن)، کنترل هوشمند، مدل‌سازی عامل هوشمند، شناسایی اجزای مستقل، و مشخصات فرآیند استفاده می‌شوند. روش‌های مبتنی بر نظریه مجموعه‌های خشن به تنهایی یا در ترکیب با روش‌های دیگر - با گستره وسیعی از کاربردها در مواردی از قبیل: آکوستیک، بیوانفورماتیک، تجارت و اقتصاد، شیمی، مهندسی کامپیوتر (مانند فشرده‌سازی داده‌ها، پردازش تصویر دیجیتال، پردازش سیگنال دیجیتال و کامپیوتر توزیع‌شده، P-همه) کشف شده‌اند. سیستم‌ها، همجوشی حسگر، مهندسی فراکتال)، تجزیه و تحلیل جریان و سیستم‌ها، اقتصاد، مهندسی برق (به عنوان مثال، کنترل، تجزیه و تحلیل سیگنال، سیستم‌های قدرت)، مطالعات محیطی، انفورماتیک، پزشکی، زیست‌شناسی مولکولی، موسیقی‌شناسی، عصب‌شناسی، رباتیک، علوم اجتماعی، مهندسی نرم افزار، تجسم فضایی، مهندسی وب و وب کاوی.

In recent years rough set theory has attracted the attention of many researchers and practitioners all over the world, who have contributed essentially to its development and applications. Weareobservingagrowingresearchinterestinthefoundationsofroughsets, including the various logical, mathematical and philosophical aspects of rough sets. Some relationships have already been established between rough sets and other approaches, and also with a wide range of hybrid systems. As a result, rough sets are linked with decision system modeling and analysis of complex systems, fuzzy sets, neural networks, evolutionary computing, data mining and knowledge discovery, pattern recognition, machine learning, and approximate reasoning. In particular, rough sets are used in probabilistic reasoning, granular computing (including information granule calculi based on rough mereology), intelligent control, intelligent agent modeling, identi?cation of autonomous s- tems, and process speci?cation. Methods based on rough set theory alone or in combination with other - proacheshavebeendiscoveredwith awide rangeofapplicationsinsuchareasas: acoustics, bioinformatics, business and ?nance, chemistry, computer engineering (e.g., data compression, digital image processing, digital signal processing, p- allel and distributed computer systems, sensor fusion, fractal engineering), de- sion analysis and systems, economics, electrical engineering (e.g., control, signal analysis, power systems), environmental studies, informatics, medicine, mole- lar biology, musicology, neurology, robotics, social science, software engineering, spatial visualization, Web engineering, and Web mining.