粒计算是当前计算智能研究领域模拟人类思维和解决复杂问题的新方法，其研究内容覆盖有关粒度的主要理论、方法和技术，是研究复杂问题求解、大数据挖掘和模糊不确定信息处理等关键问题的有效工具。《多粒度计算与三支决策》介绍粗糙集理论、概念格理论、三支决策理论等粒计算研究的概述和新进展，由相关领域的专家共同撰写而成。《多粒度计算与三支决策》共14章，主要由多粒度计算和三支决策两部分组成，具体包括多粒度智能决策，局部多粒度粗糙集，多属性群决策的犹豫模糊多粒度建模，稳健模糊粗糙集，广义多粒度标记决策系统的粒度标记组合与知识表示，多源信息融合与概念学习的粒计算方法，动态多粒度标记决策系统的较优粒度选择’三支聚类分析，基于七量化效用三支决策的属性约简，序贯三支决策理论框架，三支概念分析及其粒度，三支决策 推荐系统，面向能耗优化的自适应三支阈值确定方法，三支计算、认识计算与粒计算。

目录
《信息科学技术学术著作丛书》序 
前言
第1章 多粒度智能决策 1
1.1 引言 1
1.2 复杂决策问题的多粒度特性 3
1.3 多粒度智能决策模型与方法 4
1.3.1 多层次决策 4
1.3.2 多视角决策 4
1.3.3 最优粒度选择 5
1.4 小结 5
参考文献 6
第2章 局部多粒度粗糙集 9
2.1 引言 9
2.2 局部粗糙集模型 11
2.2.1 局部粗糙集的定义 11
2.2.2 局部粗糙集的性质 13
2.2.3 局部粗糙集的度量指标 16
2.2.4 计算一个目标概念的近似和属性约简 17
2.2.5 计算一个目标决策的近似和属性约简 28
2.2.6 局部粗糙集在大数据上的扩展 35
2.3 局部多粒度粗糙集模型 36
2.3.1 局部多粒度粗糙集的定义 37
2.3.2 局部多粒度粗糙集的性质 40
2.3.3 计算一个目标概念的局部多粒度粗糙集的下近似 44
2.4 小结 47
参考文献 48
第3章 多属性群决策的犹豫模糊多粒度建模 49
3.1 引言 49
3.2 相关概念与理论 51
3.2.1 犹豫模糊集 51
3.2.2 犹豫模糊语言术语集 53
3.2.3 双论域多粒度粗糙集 55
3.3 犹豫模糊多粒度建模 55
3.4 基于犹豫模糊多粒度建模的多属性群决策方法 58
3.4.1 问题描述 58
3.4.2 模型建立 59
3.4.3 模型算法 64
3.5 算例及分析 65
3.5.1 犹豫模糊背景下的算例 66
3.5.2 犹豫模糊语言背景下的算例 69
3.6 小结 72
参考文献 72
第4章 稳健模糊粗糙集 75
4.1 引言 75
4.2 相关的基础知识 76
4.2.1 模糊逻辑算子 76
4.2.2 模糊粗糙集对数据噪声的敏感性分析 77
4.3 基于稳健统计量的模糊粗糙集 79
4.3.1 基于稳健统计量的模糊粗糙集定义 80
4.3.2 模型性质 82
4.4 基于软距离的稳健模糊粗糙集 83
4.4.1 软模糊粗糙集 83
4.4.2 模型性质 85
4.4.3 参数β的几何意义 87
4.5 数据分布感知的稳健模糊粗糙集 88
4.5.1 稳健模糊粗糙集的稳健原理分类 88
4.5.2 概率模糊粗糙集 89
4.5.3 模型性质 94
4.6 小结 97
参考文献 97
第5章 广义多粒度标记决策系统的粒度标记组合与知识表示 100
5.1 引言 100
5.2 相关的基础知识 101
5.2.1 Pawlak粗糙集近似 101
5.2.2 信息系统、决策表和决策规则 
5.2.3 信任结枸与信任函数 106
5.3 广义多粒度标记信息系统与粒度标记组合 108
5.3.1 多粒度标记信息系统与粒度标记组合 108
5.3.2 多粒度标记信息系统中的信息粒表示与粗糙近似 109
5.4 广义多粒度标记决策系统与最优粒度标记组 合 111
5.4.1 协调广义多粒度标记决策系统的最优粒度标记组合 112
5.4.2 不协调广义多粒度标记决策系统的最优粒度标记组合 116
5.5 小结 121
参考文献 121
第6章 多源信息融合与概念学习的粒计算方法 124
6.1 引言 124
6.2 相关理论 126
6.2.1 多源模糊信息融合 126
6.2.2 模糊信息系统的概念学习 133
6.3 概念学习算法设计 136
6.4 数值实 验 137
6.5 小结 147
参考文献 148
第7章 动态多粒度标记决策系统的最优粒度选择 152
7.1 引言 152
7.2 相关理论 154
7.2.1 Pawlak近似空间诱导的三支决策 154
7.2.2 多粒度标记信息系统 155
7.3 多粒度标记信息系统诱导的序贯三支决策 158
7.4 多粒度标记决策系统的最优粒度选择 162
7.5 动态多粒度标记决策系统的最优粒度选择算法 166
7.6 数值实验 172
7.7 小结 174
参考文献 174
第8章 三支聚类分析 178
8.1 引言 178
8.2 三支聚类 180
8.3 多视图数据的三支聚类方法 182
8.3.1 多视图数据融合 182
8.3.2 主动三支聚类 185
8.3.3 实验结果 188
8.4 基于数学形态学的三支聚类方法 191
8.4.1 数学形态学中的腐蚀与膨胀 191
8.4.2 CE 3 框架 192
8.4.3 基于邻域的CE 3方法 194
8.4.4 CE 3 谱聚类 196
8.4.5 人工数据集实验结果 197
8.5 小结 198
参考文献 198
第9章 基于θ-量化效用三支决策的属性约简 201
9.1 引言 201
9.2 θ-量化效用三支决策模型 202
9.3 θ-量化效用三支决策模型的属性约简 206
9.3.1 经典三支决策模型的属性约简 206
9.3.2 基于θ-量化效用三支决策模型的属性约简算法 208
9.4 实验分析 212
9.5 小结 220
参考文献 220
第10章 序贯三支决策理论框架 223
10.1 引言 223
10.2 三支决策理论 225
10.2.1 静态三支决策 225
10.2.2 动态三支决策 227
10.3 序贯三支决策模型 230
10.3.1 多层次的粒结构 230
10.3.2 多样性的模型选择 231
10.3.3 多元化的代价结构 233
10.4 小结 235
参考文献 235
第11章 三支概念分析及其粒度 238
11.1 引言 238
11.2 基于正交对的三支概念分析 239
11.2.1 基本概念 239
11.2.2 三支概念格 242
11.2.3 对象导出三支概念格的格约简 244
11.3 基于区间集的三支概念分析 246
11.3.1 基本概念 246
11.3.2 部分已知概念 248
11.3.3 部分已知概念与完备化背景上形式概念之间的关系 252
11.4 3WCA中的粒度分析 256
11.4.1 对象导出三支概念格的粒 256
11.4.2 对象导出三支概念格的粒层次 257
11.4.3 属性导出三支概念格的粒及其关系 258
11.5 小结 259
参考文献 260
第12章 三支决策推荐系统 263
12.1 引言 263
12.2 问题定义 264
12.2.1 评分系统 264
12.2.2 代价敏感学习 265
12.2.3 数据转换 266
12.3 计算模型 267
12.3.1 Pawlak 粗糙集模型 268
12.3.2 变精度粗糙集模型 269
12.3.3 二支决策模型 270
12.3.4 三支决策模型 270
12.4 算法描 述 272
12.4.1 构建随机森林 272
12.4.2 平均代价计算 275
12.5 实验 275
12.5.1 数据集 275
12.5.2 实验设计 277
12.5.3 实验结果 277
12.6 小§ 284
参考文献 284
第13章 面向能耗优化的自适应三支阈值确定方法 287
13.1 引言 287
13.2 相关工作 288
13.3 模型与问题描述 291
13.3.1 调度模型 
13.3.2 能耗模型 293
13.3.3 虚拟迁移问题描述 294
13.4 自适应阈值迁移算法 294
13.4.1 虚拟迁移问题描述 294
13.4.2 基于代价评估的阈值确定方法 295
13.4.3 实例说明 297
13.5 实验及数据分析 298
13.5.1 静态阈值与自适应阈值能耗比较 299
13.5.2 ATM算法节能效果比较 300
13.5.3 集群资源利用率比较实验 300
13.6 小结 301
参考文献 302
第14章 三支计算、认识计算与粒计算 305
14.1 引言 305
14.2 中国文化中三支计算、认知计算与粒计算有机结合的一个例子 306
14.3 三支决策的TAO模型 308
14.4 基于三支决策的研究方法 309
14.5 小结 311
参考文献 311