弗朗西斯·泰伊（Francis E.H.Tay）。;沈丽香 使用粗糙集模型进行经济和财务预测。 （英语） Zbl 1081.91597号 欧洲药典。物件。 141，第3期，第641-659页（2002年）. 摘要：本文对使用粗糙集模型进行经济和财务预测的相关文献进行了最新综述，重点介绍了商业失败预测、数据库营销和金融投资。这三种应用要求根据历史数据中模式的识别准确预测未来状态。此外，历史数据采用多属性信息表的格式。所有这些条件都适用于粗糙集模型，该模型是解决多属性分类问题的有效工具。本文还讨论了不同的粗糙集模型以及粗糙集模型指标选择、离散化和验证测试的实现问题。本文将证明粗糙集模型适用于与经济和财务预测有关的广泛的实际问题。此外，结果表明，粗糙集模型是替代传统经济和金融预测方法的一种很有前景的方法。 引用于11文件 MSC公司： 91B99型 数学经济学 关键词：粗糙集模型;经济和财务预测 软件：LERS公司;4eMka2公司;Rseslib数据库;玫瑰色;RSES系统 PDF格式BibTeX公司 XML格式引用 \textit{F.E.H.Tay}和\textit{L.Shen}，欧洲期刊Oper。第141号决议，第3号，641--659（2002年；Zbl 1081.91597） 全文： DOI程序 参考文献： [1] Ahn，B.S。；Cho，S。；Kim，C.，《粗糙集理论和人工神经网络用于商业失败预测的集成方法》，《应用专家系统》，18，65-74（2000） [2] Ananyan，S.，直接营销数据挖掘。DM审查（2000年） [3] Baltzersen，J.K.，1996年。预测股市数据的尝试：粗糙集方法。特隆赫姆大学挪威理工学院计算机系统和远程信息处理系知识系统组毕业论文；Baltzersen，J.K.，1996年。预测股市数据的尝试：粗糙集方法。特隆赫姆大学挪威理工学院计算机系统和远程信息处理系知识系统组毕业论文 [4] Bazan，J.G.，《从决策表中提取规律的动态和非动态粗糙集方法的比较》，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》，第1卷（1998年），Physica-Verlag:Physica-Verlag Heidelberg），321-365，（第17章）·Zbl 1067.68711号 [5] Bazan，J.G.，Skowron，A.，Synak，P.，1994年。市场数据分析：粗糙集方法。华沙理工大学1994年6月ICS研究报告；Bazan，J.G.，Skowron，A.，Synak，P.，1994年。市场数据分析：粗糙集方法。华沙理工大学1994年6月ICS研究报告 [6] 巴赞，J.G。；Szczuka，M.，RSES和RSESlib-粗糙集计算工具集，（Ziarko，W.；Yao，Y.Y.，《第二届国际粗糙集会议论文集与当前计算趋势》（RSCTC’2000），加拿大班夫（1998），74-81·兹比尔1014.68825 [7] Brachman，R。；Khabaza，T。；Kloesgen，W。；Piatetsky-Shapiro，G。；Simoudis，E.，采矿业务数据库，ACM通信，39，11，42-48（1996） [8] Chmielewski，M.R。；Grzymala-Busse，J.W.，作为机器学习预处理的连续属性的全局离散化，国际近似推理杂志，15，4，319-331（1996）·Zbl 0949.68560号 [9] Derry，J.F.，《金融数据库中的数据库挖掘/知识发现：综述》，《金融计算智能杂志》，第5、3、5-9页（1997年） [10] 迪米特拉斯，A.I。；斯洛文斯基，R。；苏斯马加，R。；Zopounidis，C.，使用粗糙集进行商业失败预测，《欧洲运筹学杂志》，114263-280（1999）·Zbl 0963.91023号 [11] 迪米特拉斯，A.I。；Zanakis，S.H。；Zopounidis，C.，《以预测方法和工业应用为重点的商业失败调查》，《欧洲运筹学杂志》，90，487-513（1996）·Zbl 0907.90038号 [12] Dougherty，J。；Kohavi，R。；Sahami，M.，《连续特征的监督和非监督离散化》（Prieditis，A.；Russell，S.，《机器学习：第十二届国际会议论文集》（1995），Morgan Kaufmann:Morgan Koufmann San Francisco，CA），194-202 [13] Dubois，D。；Prade，H.，《将粗糙集和模糊集放在一起》（Slowinski，R.，《智能决策支持：粗糙集理论的应用和进展手册》（1992），Kluwer学术出版社：Kluwer-学术出版社Dordrecht），203-232·Zbl 0820.68001号 [14] 艾本，A.E。；Euverman，T.J。；科瓦尔奇克，W。；Slisser，F.，《利用统计技术、粗略数据模型和遗传编程对客户保留进行建模》（Skowron，A.；Pal，S.K.，《粗略模糊杂交：决策的新趋势》（1998），Springer:Springer Berlin），330-348，（第15章） [15] 法耶兹，U.M。；Irani，K.B.，《决策树生成中连续值属性的处理》，机器学习，8，87-102（1992）·Zbl 0767.68084号 [16] 法耶兹，U.M。；Irani，K.B.，用于分类学习的连续值属性的多区间离散化，（第十三届国际人工智能联合会议论文集（1993），Morgan Kaufmann:Morgan Koufmann Los Altos，CA），1022-1027 [17] 法耶兹，U.M。；Piatetsky-Shapiro，G。；Smyth，P.，《从数据挖掘到知识发现：概述》（Fayyad，U.M.等，《知识发现和数据挖掘进展》（1996），AAAI:AAAI纽约），1-29 [18] Furness，P.，数据库营销的新模式分析方法，数据库营销杂志，1，3，220-232（1994） [19] 戈兰，R.，1995年。利用粗糙集理论进行股票市场分析。加拿大里贾纳大学计算机科学系博士论文；戈兰，R.，1995年。利用粗糙集理论进行股票市场分析。加拿大里贾纳大学计算机科学系博士论文 [20] 戈兰，R。；Edwards，D.，利用股票市场数据的datalogic/R+进行时间规则发现，（Ziarko，W.，粗糙集、模糊集和知识发现，粗糙集和知识发现国际研讨会论文集（RSKD’93），加拿大阿尔伯塔省班夫，1993年10月12-15日，施普林格：施普林格柏林） [21] Greco，S。；卡西奥，L.S。；Matarazo，B.，《股票选择的粗糙集方法：在意大利市场的应用》（Bertocchi，M.；Cavalli，E.；Komlosi，S.，《金融市场和银行管理建模技术》（1996），Physica-Verlag:Physica-Verlag Heidelberg），192-211 [22] Greco，S。；马塔拉佐，B。；Slowinski，R.，多属性选择和排序问题的粗糙集方法，（Fandel，G.；Gal，T.，《多标准决策：第十二届国际会议论文集》（1997），施普林格：施普林格柏林），318-329·兹比尔0898.90071 [23] Greco，S。；马塔拉佐，B。；Slowinski，R.，《在多标准选择和排名中对排名高于关系的粗略近似的利用》，（Stewart，T.J.；van den Honert，R.C.，《多标准决策趋势：第十三届多标准决策国际会议论文集》，南非开普敦（1997）），45-60·Zbl 0923.90092号 [24] Greco，S。；马塔拉佐，B。；Slowinski，R.，《破产风险评估的新粗糙集方法》，（Zopounidis，C.，《金融风险管理中的操作工具》（1998），Kluwer学术出版社：Kluwer-学术出版社Dordrecht），121-136 [25] Greco，S。；马塔拉佐，B。；Slowinski，R.，《粗糙集和模糊集在MCDM中的应用》（Gal，T.；Stewart，T.）；Hanne，T.，《多准则决策：MCDM模型、算法、理论和应用的进展》（1999），Kluwer学术出版社：Kluwer-学术出版社Dordrecht），1-59，（第14章）·Zbl 0948.90078号 [26] Greco，S。；马塔拉佐，B。；Slowinski，R.，《处理多属性和多标准决策问题的粗糙集分析中的缺失值》，（Zhong，N.；Skowron，A.；Oshuga，S.，《粗糙集、数据挖掘和粒度软件计算的新方向》，第七届国际研讨会论文集，RSFDGrC’99，Yanaguchi（1999）），146-157·Zbl 1037.91510号 [27] Greco，S。；马塔拉佐，B。；Slowinski，R.，《使用模糊相似关系对模糊信息进行粗糙集处理》（Calude，S.C.；Paun，G.，《有限与无限：对永恒困境的贡献》（2000），Springer:Springer New York），149-174 [28] Greco，S。；马塔拉佐，B。；Slowinski，R.，多准则和多属性排序粗糙集方法的模糊扩展，（Fodor，J.；Baets，B.；Perny，P.，《不完全知识下的偏好和决策》（2000），《物理-验证：物理-验证-沃兹堡》，131-151·Zbl 0990.90137号 [29] Greco，S。；马塔拉佐，B。；Slowinski，R.，《处理多属性和多标准决策问题的粗糙集分析中的缺失数据》（Zanakis，S.H.；Doukidis，G.；Zopounidis，C.，《决策：最新发展和全球应用》（2000），Kluwer学术出版社：Kluwer-学术出版社Dordrecht），295-316 [30] Grzymala-Busse，J.W.，LERS-基于粗糙集的示例学习系统，（Slowinski，R.，《智能决策支持-粗糙集理论应用与进展手册》（1992），Kluwer学术出版社：Kluwer-学术出版社Dordrecht），3-18，（第1章）·Zbl 0820.68001号 [31] Grzymala-Busse，J.W.，LERS-知识发现系统，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》，第2卷（1998），Physica-Verlag:Physica-Verlag-Wurzburg），562-565 [32] Grzymala-Busse，J.W。；Zou，X.，《使用某些和可能规则的分类策略》（Polkowski，L.；Skowron，A.，《计算中的粗糙集和当前趋势》，1998年《RSCTC’98年会议论文集》，Warszawa，1998年，《人工智能讲稿》，第1424卷（1998），Springer:Springer-Berlin），37-44·Zbl 1502.68288号 [33] Hampton，J.，《粗糙集理论：基础》（第1部分），《金融计算智能杂志》，1997年第5、6、25-29页 [34] Hampton，J.，《粗糙集理论：基础》（第2部分），《金融计算智能杂志》，6，1，40-42（1998） [35] Hampton，J.，《粗糙集理论：基础》（第3部分），《金融计算智能杂志》，6，2，35-37（1998） [36] 哈希米，R。；洛杉矶勒布朗。；拉克斯，C.T。；Rajaratnam，A.，预测银行控股结构的混合智能系统，《欧洲运筹学杂志》，109，2，390-402（1998）·Zbl 0937.90044号 [37] 科莫罗夫斯基，J。；Pawlak，Z。；Polkowski，L。；斯考伦，A.，《粗糙集：教程》（Pal，S.K.；Skowron，A.，粗糙模糊杂交：决策的新趋势（1999），施普林格：施普林格新加坡），3-98 [38] Kowalczyk，W.，TRANCE:粗糙数据分析、分类和聚类的工具，（Tsumoto，S.；Kobayashi，S.，Tanaka，H.；Nakamura，A.，《第四届粗糙集、模糊集和机器发现国际研讨会论文集》，RSDF’96，东京（1996），269-275 [39] Kowalczyk，W.，粗糙数据建模：分析数据的新技术，（Polkowski，L.；Skowron，A.，知识发现中的粗糙集，第1卷（1998年），Physica Verlag:Physica Verlag-Wurzburg），400-421，（第20章）·Zbl 0940.68036号 [40] Kowalczyk，W.，TRANCE:粗糙数据分析、分类和聚类的工具，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》，第2卷（1998），Physica-Verlag:Physica-Verlag-Wurzburg），566-568 [41] 科瓦尔奇克，W。；Piasta，Z.，《商业数据库中知识发现的粗糙集启发方法》（Wu，X.；Kotagiri，R.；Korb，K.B.，《知识发现和数据挖掘的研究与开发：第二届亚太会议论文集》，PAKDD-98，澳大利亚墨尔本，1998年4月15-17日），186-197年 [42] 科瓦尔奇克，W。；Slisser，F.，用粗糙数据模型建模客户保留，（Komorowski，J.；Zytkow，J.，数据挖掘和知识发现原理，第一届欧洲研讨会论文集，1997年6月24日至27日，挪威特隆赫姆），4-13 [43] 克鲁辛斯卡，E。；斯洛文斯基，R。；Stefanowski，J.，模糊数据分析的判别与粗糙集方法，应用随机模型和数据分析，843-56（1992）·Zbl 0800.62006 [44] Kryszkiewicz，M.，粗糙集框架下不完备信息系统的性质，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》1（1998），Physica-Verlag:Physica-Verlag-Wurzburg），422-450，（第21章）·Zbl 0940.68138号 [45] Kumar，A.，《用于知识发现应用的数据库系统中数据缩减的新技术》，《智能信息系统杂志》，10，1，31-48（1998） [46] Lenarcik，A。；Piasta，Z.，条件属性空间的离散化，（Slowinski，R.，《智能决策支持-粗糙集理论应用与进展手册》（1992），Kluwer学术出版社：Kluwer-学术出版社Dordrecht），373-389·Zbl 0820.68001号 [47] Lenarcik，A。；Piasta，Z.，连续条件属性下决策算法生成的概率方法，计算与决策科学基础，18，3-4，213-223（1993）·Zbl 0794.62035号 [48] Lenarcik，A。；Piasta，Z.，《粗糙分类器》（Ziarko，W.，《粗集、模糊集和知识发现》，《粗糙集与知识发现国际研讨会论文集》（RSKD'93），加拿大阿尔伯塔省班夫，1993年10月12-15日，施普林格：施普林格柏林），298-316·Zbl 0819.68129号 [49] Lenarcik，A。；Piasta，Z.，《离散属性和连续属性混合的概率粗糙分类器》，（Lin，T.Y.；Cercone，N.，《粗糙集与数据挖掘》，《不精确数据分析》（1997），Kluwer学术出版社：Kluwer-学术出版社，马萨诸塞州波士顿），373-383 [50] Lenarcik，A。；Piasta，Z.，ProbRough-概率粗糙分类器生成系统，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》，第2卷（1998年），Physica-Verlag:Physica-Verlag-Wurzburg），569-571 [51] Lin，T.Y。；特伦巴，A.J。；Terano，T.公司。；刘，H。；Chen，L.P.，数字数据库的属性转换及其在股市和经济数据中的应用，第四届亚太会议论文集，2000年PAKDD，日本京都，2000年4月18日至20日，181-192（2000） [52] Michalski，R.S.，《归纳学习的理论和方法》（Michalski-R.S.；Carbonell，J.G.；Mitchell，T.M.，《机器学习：人工智能方法》（1983），Tioga:Tioga Palo Alto，CA），83-134 [53] Mienko，R。；斯洛文斯基，R。；Stefanowski，J。；Susmaga，R.，RoughFamily-基于粗糙集的数据分析和规则发现技术的软件实现，（Tsumoto，S.；Kobayashi，S.；Tanaka，H.；Nakamura，A.，第四届粗糙集、模糊集和机器发现国际研讨会论文集，RSDF’96，东京（1996）），437-440 [54] Mills，D.，《使用粗糙集技术寻找潜在买家》，《美国推销员》，38，8，3-5（1993） [55] Mrozek，A。；Skabek，K.，《经济应用中的粗糙集》，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集合》，第2卷（1998年），《物理验证：物理验证》，第238-271页，（第13章） [56] Nguyen，H.S.，1997年。实值属性的离散化：布尔推理方法。华沙大学博士论文；Nguyen，H.S.，1997年。实值属性离散化：布尔推理方法。华沙大学博士论文 [57] Nguyen，H.S.，《从最优超平面到最优决策树》，《信息学基础》，34，1-2，145-174（1998）·Zbl 0903.68161号 [58] Nguyen，H.S.，粗糙集方法的离散化问题，（Polkowski，L.；Skowron，A.，《粗糙集与当前计算趋势》，LLAI 1424（1998年第一届国际会议论文集，RSCTC’98），1998年6月，波兰华沙（1998）），545-552 [59] Nguyen，H.S。；Nguyen，S.H.，数据挖掘的离散化方法，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》，第1卷（1998），Physica-Verlag:Physica-Verlag-Wurzburg），451-482，（第22章）·Zbl 0940.68139号 [60] Nguyen，H.S。；Skowron，A.，《实值属性量化、粗糙集和布尔推理方法》，（Wang，P.P.，《第二届信息科学联合会议（JCIS’95）粗糙集和软计算国际研讨会论文集》，北卡罗来纳州Wrightsville Beach，1995年），34-37 [61] Nguyen，H.S。；Skowron，A.，《特征提取问题的布尔推理》，（Ras，Z.W.；Skowren，A.，第十届信息系统方法学国际研讨会论文集（ISMIS'97），美国北卡罗来纳州夏洛特，AI讲稿，第1325卷（1997），Springer:Springer-Berlin），117-126 [62] Pawlak，Z.，《粗糙集》，《国际计算机和信息科学杂志》，11，5，341-356（1982）·Zbl 0501.68053号 [63] Pawlak，Z.，《粗糙集：数据推理的理论方面》（Rough Sets:Theory Aspects of Reasoning About Data）（1991年），Kluwer Academic Publishers：Kluwer-Academical Publishers Dordrecht·Zbl 0758.68054号 [64] Pawlak，Z.，《多属性决策分析的粗糙集方法》，《欧洲运筹学杂志》，72443-459（1994）·Zbl 0805.90069 [65] Pawlak，Z.，《粗糙集》（Lin，T.Y.；Cercone，N.，《粗糙集合与数据挖掘》（1997），Kluwer学术出版社：Kluwer-学术出版社Dordrecht），3-8 [66] Piasta，Z.，Lenarcik，A.，1996年。基于概率粗糙分类器的规则归纳。华沙理工大学ICS研究报告24/96。也在机器学习中（即将出现）；Piasta，Z.，Lenarcik，A.，1996年。基于概率粗糙分类器的规则归纳。华沙理工大学ICS研究报告24/96。也在机器学习中（即将出现）·Zbl 0819.68129号 [67] 皮亚斯塔，Z。；Lenarcik，A.，从缺失值的大型数据库中学习粗糙分类器，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》1，第1卷（1998年），Physica-Verlag:Physica-Verlag-Wurzburz），483-499·Zbl 0940.68140号 [68] Piatetsky Shapiro，G.，商业数据库中的数据挖掘和知识发现，（Ras，Z.；Michaelwicz，M.，第九届国际研讨会论文集ISMIS-96，波兰扎科帕内（1996），施普林格：施普林格柏林），56-67 [69] Poel，D.，数据库营销粗糙集，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》，2（1998），Physica-Verlag:Physica-Verlag-Wurzburg），324-335，（第17章） [70] Poel，D。；Piasta，Z.，《使用probrough系统进行数据库营销中的购买预测》，（Polkowski，L.；Skowron，A.，《计算中的粗糙集和当前趋势》，第一届国际会议论文集，1998年6月22日至26日，波兰华沙），593-600 [71] （Polkowski，L.；Skowron，A.，《知识发现中的粗糙集1:方法论和应用》；《知识发现2中的粗糙集：应用、案例研究和软件系统》（1998年），Physica-Verlag:Physica-Verlag-Wurzburg）·兹比尔0910.00028 [72] Predki，B。；斯洛文斯基，R。；Stefanowski，J。；苏斯马加，R。；Wilk，S.，ROSE-粗糙集理论的软件实现，（Polkowski，L.；Skowron，A.，《粗糙集与计算的当前趋势》，1998年《RSCTC’98年会议论文集》，沃泽瓦，《人工智能讲义》，第1424卷（1998），斯普林格：斯普林格柏林），605-608·兹标0891.00026 [73] Quinlan，R.，决策树归纳，机器学习，181-106（1986） [74] Ruggiero，M.，《规则是为交易而制定的》，《金融AI》，秋季，35-40（1994） [75] Ruggiero，M.，《如何构建系统框架》，《未来》，23，12，50-56（1994） [76] Ruggiero，M.，《转动钥匙》，《期货》，第23、14、38-40页（1994年） [77] Sakai，H。；Okuma，A.，从具有非确定性信息的表中寻找等价关系的算法，（Zhong，N.；Skowron，A.；Ohsuga，S.，《粗糙集、数据挖掘和粒度软件计算的新方向》，第七届国际研讨会论文集，RSFDGrC'99，日本山口，1999年11月（1999）），64-72 [78] Sakai，H。；Okuma，A.，《检查具有非确定性信息的表中属性相关性的算法：基于粗糙集的方法》，（Mizoguchi，R.；Slaney，J.，《第六届环太平洋国际人工智能会议论文集》，澳大利亚墨尔本，2000年8月28日至9月1日（2000）），219-229 [79] （Shavlik，J.W.；Dietterich，T.G.，《机器学习中的阅读》（1990），Morgan Kaufmann:Morgan Koufmann Los Altos，CA） [80] 沈，L。；Tay，E.H。；Qu，L。；沈毅，利用粗糙集理论进行故障诊断，工业计算机，43，1，61-72（2000） [81] Skalko，C.，Rough sets help time the OEX，Journal of Computational Intelligence in Finance，4，6，20-27（1996年） [82] Skowron，A.，《决策规则生成的布尔推理》，（Komorowski，J.；Ras，Z.W.，《智能系统方法论》，《人工智能讲义》，第689卷（1993），施普林格：施普林格柏林），295-305 [83] 斯科伦，A。；Grzymala-Busse，J.W.，《从粗糙集理论到证据理论》（Fedrizzi，M.；Kacprzyk，J.；Yager，R.R.，《Dempster-Shafer证据理论的进展》（1993），威利：威利纽约），295-305 [84] 斯科伦，A。；Stepaniuk，J.，《公差近似空间》，《信息基础》，27，2-3，245-253（1996）·Zbl 0868.68103号 [85] 斯科伦，A。；Stepaniuk，J.，《信息粒和近似空间》（Bouchon-Meunier，E.；Yager，R.R.，《第七届基于知识系统的信息处理和不确定性管理国际会议论文集》（IPMU'98），巴黎，法国（1998）），1354-1361 [86] （Slowinski，R.，《智能决策支持-粗糙集理论应用与进展手册》（1992），Kluwer学术出版社：Kluwer-学术出版社Dordrecht）·Zbl 0820.68001号 [87] Slowinski，R.，《多准则决策中优先态度的粗糙集学习》，（Komorowski，J.；Ras，Z.W.，《智能系统方法论》，《人工智能讲义》，第689卷（1993），施普林格：施普林格柏林），642-651 [88] 斯洛文斯基，R。；Stefanowski，J.，《粗糙集方法的RoughDAS和RoughClass软件实现》，（Slowinski，R.，《智能决策支持-粗糙集理论应用和进展手册》（1992），Kluwer学术出版社：Kluwer-学术出版社Dordrecht），445-456·Zbl 0820.68001号 [89] 斯洛文斯基，R。；Stefanowski，J.，《带值贴近关系的粗分类》（Diday，E.等，《分类和数据分析的新方法》（1994），施普林格出版社：施普林格-柏林），482-488 [90] 斯洛文斯基，R。；Stefanowski，J.，《关于使用粗糙集方法分析非传统医学信息系统的局限性》，（Tsumoto，S.；Kobayashi，S.，Tanaka，H.；Nakamura，A.，《第四届粗糙集、模糊集和机器发现国际研讨会论文集》，RSDF’96，东京（1996），176-183 [91] 斯洛文斯基，R。；Stefanowski，J.，Rough系列——粗糙集理论的软件实现，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》，第2卷（1998年），Physica-Verlag:Physica-Verlag-Wurzburg），581-586 [92] 斯洛文斯基，R。；Vanderpooten，D.，作为粗近似基础的相似关系，（Wang，P.，《机器智能和软计算进展》（1995），Bookwriter:Bookwright Raleigh，NC），17-33 [93] 斯洛文斯基，R。；Vanderpooten，D.，基于相似性的粗糙近似的广义定义，IEEE知识与数据工程汇刊，12，2，331-336（2000） [94] 斯洛文斯基，R。；Zopounidis，C.，根据破产风险对企业进行粗糙集排序，（Parccini，M.，Applying Multiple Criteria Aid for Decision to Environmental Management（1994），Kluwer Academic Publishers：Kluwer Academic Publishers Dordrecht），339-357 [95] 斯洛文斯基，R。；Zopounidis，C.，《粗糙集方法在破产风险评估中的应用》，《会计、财务和管理智能系统国际期刊》，4，1，27-41（1995） [96] 斯洛文斯基，R。；Zopounidis，C。；Dimitras，A.I.，用粗糙集方法预测希腊的公司收购，《欧洲运筹学杂志》，100,1-15（1997）·Zbl 0953.90538号 [97] 斯洛文斯基，R。；Zopounidis，C。；迪米特拉斯，A.I。；Susmaga，R.，业务失败的粗糙集预测因子，（Ribeiro，R.A.；Zimmermann，H.J.；Yager，R.R.；Kacprzyk，J.，金融工程中的软计算（1999），Physica Verlag:Physica Verlag-Wurzburg），402-424·Zbl 0963.91023号 [98] Stefanowski，J.，《基于粗糙集的分类问题规则归纳技术》（The rough set based rule induction techniques for classification problems），第六届欧洲智能技术与软计算大会论文集1，亚琛，1998年9月7日至10日），第109-113页 [99] Stefanowski，J.，《基于粗糙集的决策规则归纳方法》（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》，1（1998），《物理-验证：物理-验证-沃兹堡》，500-529，（第24章）·Zbl 0927.68094号 [100] Stefanowski，J。；Tsoukias，A.，关于不完全信息下粗糙集的扩展，（Zhong，N.；Skowron，A.；Oshuga，S.，粗糙集的新方向，数据挖掘和粒度软计算，第七届国际研讨会论文集，RSFDGrC'99，日本柳口，1999年11月），73-81·Zbl 0929.00075号 [101] Stefanowski，J。；Vanderpooten，D.，从示例中归纳规则的一般两阶段方法，（Ziarko，W.，《粗糙集、模糊集和知识发现》（Rough Sets，Fuzzy Sets and Knowledge Discovery）（1994年），施普林格出版社：施普林格-柏林），317-325·Zbl 0941.68697号 [102] Susmaga，R.、Michalowski，W.、Slowinski，R.，1997年。识别股票投资组合倾斜的规律。中期报告，IR-97-66，国际应用系统分析研究所；Susmaga，R.、Michalowski，W.、Slowinski，R.，1997年。识别股票投资组合倾斜的规律。中期报告，IR-97-66，国际应用系统分析研究所 [103] Szladow，A。；Mills，D.，《开发金融数据库》，《商业信贷》，95，7，8（1993） [104] Tay，E.H。；沈立，利用SOM消除粗糙集排序系统的不确定性，《知识与信息系统——国际期刊》（2001年），（已提交） [105] 汤普森，J.，《针对响应值和利润的目标制定》，《市场营销目标制定、测量和分析杂志》，3133-146（1994） [106] （筑本S.；小林S.；田中H.；中村A.，《第四届粗糙集、模糊集和机器发现国际研讨会论文集》，RSDF'96，东京（1996）） [107] Weiss，E.，《粗糙集，粗糙神经元，诱导和数据挖掘》，NEUROVE（T Journal，4，6，28（1996） [108] Weiss，E.，《粗糙集、粗糙神经元、归纳和数据挖掘》，第2期，《金融计算智能杂志》，第5、3、10-11页（1997年） [109] Weiss，S.M。；Kulikowski，C.A.，《学习的计算机系统：来自统计、神经网络、机器学习和专家系统的分类和预测方法》（1990），Morgan Kaufmann:Morgan Koufmann San Mateo，CA [110] Wroblewski，J.，使用遗传算法寻找最小约简，（Wang，P.P.，第二届信息科学联合会议（JCIS’95）粗糙集软计算国际研讨会论文集，北卡罗来纳州Wrightsville Beach（1995）），186-189 [111] Wroblewski，J.，分解和分类问题中的遗传算法，（Polkowski，L.；Skowron，A.，《知识发现中的粗糙集》，第2卷（1998年），Physica-Verlag:Physica-Verlag-Wurzburg），471-487，（第24章） [112] Yasdi，R.，结合粗糙集学习和神经学习-处理不确定和不精确信息的方法，神经计算，761-84（1995）·Zbl 0833.68101号 [113] Ziarko，W.，《粗糙集、模糊集与知识发现》，《粗糙集合与知识发现国际研讨会论文集》（RSKD'93），加拿大阿尔伯塔省班夫，1993年10月12-15日，施普林格：施普林格柏林·Zbl 0825.68612号 [114] Ziarko，W.，可变精度粗糙集模型，《计算机与系统科学杂志》，46，39-59（1993）·兹比尔0764.68162 [115] Ziarko，W。；戈兰，R。；Edwards，D.，《数据逻辑/R知识发现工具在股市数据中识别强预测规则的应用》（AAAI数据库知识发现研讨会论文集，华盛顿特区（1993）），89-101 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。