基于粗糙集神经网络的数据挖掘在门业制造车间质量控制中的应用，陈振，刘颖，本文在对门业制造车间质量控制的特点进行分析的基础上提出了一个基于粗糙集BP神经网络的质量预测模型。用粗糙集的属性约简对输入�

粗糙集工具rosetta,有效处理数据挖掘，数据分割等问题

表面粗糙度、镀涂和热处理的符号、代号及其标注 一、表面粗糙度的基本概念 二、表面粗糙度的符号和代号 三、表面粗糙度、镀（涂）覆及热处理在图样上的标注方法

一个 Matlab 工具箱，通过惠更斯-菲涅耳积分的数值近似来模拟单色相干光通过自由形式Kong径和粗糙/自由形式表面的光传播。 工具箱的特点是： * GPGPU 计算，使用 Nvidia 显卡和 CUDA * 如果没有找到 GPU，则回退到 CPU * 通过空间频率滤波器生成粗糙表面和表面粗糙度测定 z=f(fx,fy,Ra) * 自由曲面生成 z=f(x,y) * 对象在 3D 空间坐标（6 DOF）中的排列* 矩形 3D 网格，通过逻辑索引实现自由形式的Kong径* 人工抖动，以减少输入网格的衍射* 惠更斯-菲涅耳近似* 内存管理，如果找到预先存在的数据，则工作恢复* 一些示例和可视化 理论背景如下： Dominik Hofer，Bernhard G. Zagar，惠更斯-菲涅耳积分的数值近似–粗糙润湿问题的模拟，测量，第46卷，第8期，2013年10月，第2828-2836页，

基于粗糙集理论和贝叶斯网络的电力变压器故障诊断方法

基于时域物理光学法的二维导体粗糙面电磁散射特性研究，郭立新，贾春刚，本文利用时域物理光学方法(time-domain physical optics, TDPO)来研究二维导体粗糙面的宽带电磁散射特性。该方法不仅具有频域高频算法的需要�

为获取连续属性值数据集的最小属性子集，提出了一种两步约简方法．该方法以模糊粗糙集模型为基础，将描述条件属性和决策属性依赖关系的模糊依赖度概念进行了扩展，使其能对条件属性之间的依赖关系进行度量，利用属性与类别之间的依赖度选出候选属性集，然后根据单个属性与类别和属性之间的依赖度对候选属性集进行约简．仿真结果表明，该方法在有效降低属性维数的同时一定程度上保证了分类正确率．

提出一种连续属性值域划分的离散化新方法，该方法定义一个新的离散化函数，依据类与属性之间的相互依赖关系选择最优的离散区间列表；此外，采用变精度粗糙集理论合理地控制数据离散化产生的信息丢失，减少分类错误。仿真结果和统计分析表明，提出的方法有较好的C5.0决策树分类能力。

粗糙集的详细讲解，需要的看看，还不错的样子，可用于文本分类等

利用粗糙集中属性约简的思想来确定各属性的重要程度，对属性依赖度进行计算，构造出属性间相对依赖的客观判断矩阵。在此基础上将客观矩阵和利用层次分析法确定的主观矩阵相结合，提出了一种组合矩阵，通过计算组合矩阵的权重来进行决策。实例表明该方法是切实可行、有效的，能提高决策精度。