浅析当前我国人口形势对就业的影响

就业问题是一个世界性难题。就业也一直是我国一个重大的社会经济问题。我国未来将面临严重的人口发展不均衡、劳动力市场失衡、经济增长不可持续等诸多问题，就业形势更加不容乐观。针对这种情况，我们要果断采取各种措施来降低人口老龄化对今后我国就业形势的冲击。     

F-粗积分与它的面积覆盖-边界厚度特征

F-粗积分是函数单向S-粗集上的一个积分对,基于F-粗积分引入面积覆盖度和边界厚度概念。讨论了当有外来属性迁入函数单向S-粗集的属性集时,面积覆盖度、边界厚度等的一系列变化,给出其动态变化规律。面积覆盖度和边界厚度把对F-粗积分的讨论由定性过渡到定量。     

关于中职院校学生就业的几点思考

中职院校学生的就业是社会需要探讨的事情,学生就业的情况的好坏直接影响到学校、家庭、企业以及社会。如何让学生更好更稳定的就业是我们今天要探讨的问题。     

双枝模糊粗集

为进一步揭示模糊集、双枝模糊集与粗糙集的关系,在双枝模糊集及粗糙集的基础上,给出了上枝模糊粗集,下枝模糊粗集及双枝模糊粗集的概念;利用双枝模糊集及粗集的性质,讨论了下枝模糊粗集,上枝模糊粗集和双枝模糊粗集的性质.由讨论可知,双枝模糊集与粗集具有紧密的联系,由二者融合构成的双枝模糊粗集与模糊粗集具有类似的性质,双枝模糊粗集是模糊粗集的推广,而模糊粗集是双枝模糊粗集的特殊情况.     

变异S-粗集与它的变异结构

提出了变异S-粗集，给出单向变异S-粗集与双向变异S-粗集的数学结构；提出变异S-粗集与S-粗集的对偶性定理与变异一对偶原理．变异S-粗集是S-粗集研究的一个新方向．     

函数S-粗集

利用S-粗集(singular rough sets)，提出了函数S-粗集，给出了函数S-粗集的数学结构和特性．函数S-粗集具有两类形式：函数单向S-粗集，函数双向S-粗集．提出了函数S-粗集与S-粗集的关系定理．函数S-粗集是S-粗集的一般形式，S-粗集是函数S-粗集的特例．函数S-粗集是粗集研究的一个新方向．     

基于粗集的模糊聚类方法和结果评估

粗集的决策表的属性包括定量属性和定性属性,针对这种情况,根据一种对象的相似性度量方法,使用模糊聚类方法对粗集对象进行模糊聚类,对聚类结果进行了评估(根据这种聚类方法得到的结果和实际的分类结果进行比较)．在这种相似性度量方法基础上,证明了粗集的等价关系可以被转化为模糊等价矩阵．基于粗集的聚类步骤如下：首先,一个粗集等价关系都可以转化为一个模糊相似矩阵,其次,转化成一个模糊等价矩阵,最后,进行模糊聚类．对此方法进行了实验,并对实验的结果进行评估．实验结果说明了这种方法的简单高效．     

半群上的粗集与模糊同余

Fuzzy集理论和Rough集的结合为处理不确定性现象提供了一个新的空间。引入了半群上的粗集,建立了半群粗集的模糊同余关系,讨论了在模糊代数系统下,粗集的一些代数性质。     

IS-粗糙集理论及其在医疗诊治中的应用

在S—粗集的基础上,提出IS—粗集(improper singular rough sets)的概念,给出单向IS—粗集(one direction improper singular rough sets)和双向IS—粗集(two direction improper singularrough sets)的概念和它们的数学结构,设计了一个基于双向IS—粗集的医疗诊治知识支持系统,为人工智能技术在医疗诊治领域的应用开辟了一个新的思路.     

浅析高职院校大学生就业观差异及对策

随着社会经济发展，高职院校大学生就业观体现出种种差异，这对其顺利就业产生了不利影响，高职院校大学生就业观教育要融入到学校建设与发展的每一个环节，要把学生的就业观教育作为重中之重，培养学生有所学、有所专、有所用、有所想。切实做到把成功就业作为学生入学的出发点和学生毕业的落脚点。     

边界条件熵的属性约简及在定性仿真中的应用

从Pawlak拓扑的角度,给出了一种知识边界粗糙熵和边界条件熵的新定义,并反映出集合的不确定性可以通过边界域来描述的思想,证明了边界条件熵随着信息粒度的变小而单调减少的重要结论.弹簧定性仿真实例,结合定性推理技术,以边界条件熵为基础构造属性约简的启发式算法,消去定性描述中的冗余,获得了弹簧系统定性微分方程式.实验结果表明,粗集理论在定性推理与定性仿真技术中的重要应用价值,基于边界条件熵的属性约简是有效的.     

粗集在知识发现中的应用

粗集作为一种数据分析理论，能有效地从不确定性的数据中发现知识，是目前在知识发现领域研究的热点之一。首先对粗集理论做了简单介绍，在此基础上论述了粗集作为一种数学工具在知识发现领域中的重要问题，并提出粗集的进一步可能发展方向。     

面向属性的粗集数据挖掘方法研究

指出粗集理论的主要思想是在保持分类能力不变的情况下,利用等价类,通过属性约简和决策规则约简,达到挖掘知识并简化知识的目的.但约简问题是一个NP问题,只能通过启发式算法实现.针对这一问题,提出了属性约简和决策规则约简的启发式算法,构成了一个基于粗集理论的挖掘集成算法.最后通过实例表明,该集成算法能够以较高的效率发现良好的分类规则.     

基于凸Rough集的数据约简和规则发现研究

为了有效地从凸序列中约简数据和发现知识，解决Rough集集中的凸序列问题，在深入研究凸序列和Rough集理论的基础上，提出了凸Rough集模型，定义了凸Rough集和凸Rough集糊集，给出了凸Rough集糊集的隶属函数和应用凸Rough集进行数据约简及规则发现的算法，最后分析了一个应用案例，验证了模型的可行性，表明应用凸Rough集模型可以更好地进行数据约减和规则发现。     

基于粗糙集理论的项目投资管理

粗糙集理论是一种新的数据分析和处理方法,使用粗糙集理论可以对决策表进行简化,去除冗余属性。首先给出了基于粗糙集的知识推理方法。然后以一个实际例子讨论如何利用粗糙集理论从现有样本中进行知识约简,获取新决策规则,使该方法具有了实用和推广的价值。     

基于不完备信息系统的粗糙集方法及应用实例

很多信息系统都是不完备的,处理不完备信息系统的方法有很多,但粗糙集理论能够有效处理不完备信息.简要介绍了不完备信息系统下的粗糙集模型,并对一个应用实例进行了知识约简且做出决策.     

基于粗糙集理论的数据挖掘研究

数据挖掘的技术很多,其中粗糙集理论得到了广泛的应用。粗糙集理论是一种研究不完整、不确定知识处理的数学工具,它可对不完整的数据进行分析和归纳,从中发现知识。本文介绍了数据挖掘基本概念,阐述了粗糙集理论的基本思想,探讨了基于粗糙集理论的数据挖掘方法。     

不确定信息的粗糙集表示和处理

随机性和模糊性是不确定性中最重要和最基本的2个特征。分析和比较了表示和处理不确定性知识的一些主要的拓展集合理论,并系统的介绍了基于粗糙集的不确定知识的表示和处理方法。系统讨论了粗糙集理论对经典集合论的拓展,用经典集合计算方法对粗糙集的核心算子进行了对比分析,同时对定义在信息系统上的粗糙逻辑也进行了分析。通过分析粗糙集理论在人工智能领域的几类典型应用案例说明了粗糙集在表示和处理不确定性问题方面的重要作用和优势。最后对不确定知识的表示和处理的一些有待进一步深入研究的关键问题进行了展望。     

基于粗糙集的不完备信息系统知识获取方法

经典粗糙集理论是面向完备信息系统的，为处理不完备信息系统．需要进行理论扩充．本文首先介绍了粗糙集理论的基础知识，然后对经典粗糙集理论在不完备信息系统中的几种扩充模型进行了介绍和分析，并对现有基于粗糙集理论的不完备信息系统知识获取方法的研究进行了总蛄，最后展望了谊理论未来的发展方向．     

信息熵在粗糙集理论中的应用

信息熵在粗糙集理论中有着重要的应用 ,它可用来度量知识的不确定性、属性关联的重要性及粗糙集的不确定性等。文章综述并分析这些度量