ABSTRACT
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 575 25.1 Introduction to Rough Sets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 575
25.1.1 The Variable Precision Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 578 25.1.2 Rough Entropy and Shannon Entropy . . . . . . . . . . . . . . . . . . . . . . . . . . 579
25.2 Methods of Rough Sets Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 580 25.2.1 Total Roughness and Min-Min Roughness-Based Methods . . . . . . . . . . 580 25.2.2 Reduct-Based Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 581 25.2.3 Application of Variable Precision Rough Sets . . . . . . . . . . . . . . . . . . . . 582 25.2.4 Rough K-Means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 583 25.2.5 Tolerance Rough Set Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 585 25.2.6 Validation Based on Rough Sets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 586 25.2.7 Outlier Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 587
25.3 Conclusion and Outlook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 588 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 589
In this chapter, we show how the rough set approach can be successfully used for unsupervised classification.
