熵(Ⅰ)

一般不确定性问题所包涵的“不确定”的程度，在多数情况下是可以用数学来定量地描述的，关于不确定性的数学度量，我们称之为熵．这里，首先介绍物理学家、化学家早已熟悉的热力学熵，并对古典的Boltzmann熵作数学描述，进而对随着信息理论的需要而出现的Shannon熵作一番论述．并对熵在现实世界中的应用进行研究．     

R＆D项目技术升级投资决策实物期权的研究

针对研发项目的高度不确定性使得传统的评价与决策方法不再适用于R＆D项目的投资决策问题，采用生产函数中的技术效率参数描述技术水平．并考虑投资成本对技术升级水平的影响，建立技术升级阶段实物期权投资决策模型，求解了技术升级的最优投资时机和实物期权价值．     

考虑车辆随机行为的交通流动力学模型

从研究微观个体车辆行为出发，考虑两种不同的具有不确定性的加速机制，提出了随机跟弛模型；在随机跟弛模型的基础上，得到了描述交通流宏观行为的连续性动力学方程，该方程是各项异性的，可以避免Daganzo提出的问题，对动力学方程的稳定性分析，得到稳定性判据。     

含范数有界非线性不确定性的离散系统H∞控制

讨论了一类标称系统用线性系统描述,而状态方程和输出方程都带有范数有界非线性不确定性的离散系统的鲁棒H∞控制问题．通过分别将状态方程和输出方程的非线性不确定性转化成相应的时变、范数有界的线性不确定性,得到了该类系统鲁棒H∞控制问题可解的充分条件,该条件等价于可由代数Riccati方程求解的一个不带参数不确定性的辅助线性系统鲁棒H∞控制问题可解．     

一种基于多面体描述系统的非线性预测控制

利用泰勒级数对系统线性化；采用对每个偏导数取最大最小的方法构造多面体，描述系统包裹原非线性系统；对由多面体描述系统各个顶点构成的多个线性预测模型设计相同的反馈控制器，该反馈控制器可以通过有线性矩阵不等式约束的半正定线性规划得到，满足系统实时优化的需要．系统的稳定性由多面体描述系统的稳定性保证．     

Agent及测试床框架描述

指出Agent的行为特点是对环境的交化做出反应，Agent与环境的相互作用能用一个框架程序来描述；环境可以分为几类，Agent测试环境，即测试床，也可以用一个框架程序来描述；在此基础上给出一般性的Agent和测试床框架的描述．     

一种分散鲁棒自适应控制器的设计方法

基于李雅普诺夫函数法,提出了一种适用于不确定性线性大系统的分散鲁棒稳定控制方法．系统的不确定性因素包括系统参数摄动、关联变化以及外界干扰．由于实际大系统的不确定因素复杂且系统关联变化很难描述,因而在控制律中又引入了对设计参数的自适应算法,大大简化了控制器的设计和实现．所提出的控制律可以保证系统在不确定性干扰和关联变化的情况下全局稳定,同时自适应算法使参数收敛．仿真结果表明了该控制方法的有效性     

基于集对逻辑的推理

集对分析是一种新的处理确定与不确定性互相联系，用联系数来描述系统联系与转化的同一度、差异度和对立度的不确定性的方法．利用集对分析，提出了集对逻辑推理，并讨论了集对逻辑推理的有关性质和运算．     

粗糙表面及界面的理论表征

分形理论可以用于表征表面的粗糙程度．与其它常规的方法相比,例如均方根粗糙度,有许多长处．这一描述并不依赖于实验仪器的分辨率并且具有标度不变性．分形理论用于描述薄膜的表面或界面粗糙程度,可以提供许多有用的关于薄膜生长机理的线索．     

应用最优化：工程系统的表述与算法

将一个问题用数值表示其出发点是抓住问题本身的直观思想并且转换为恰当的数学语言。本书采用逐步深入的方法刻划如何表述数学问题，通过这种描述人们可以应用现有的软件去解决它。作者根据数值问题的不同类型论述了求解的技术，通过许多来自工程技术领域的典型实例详细地解说了问题由直观叙述到易于控制的数值形式的转换过程，特别包含了许多有效算法。     

基于模糊相似矩阵的分类方法

粗糙集理论是一种处理不确定性问题的有力工具，它假定知识是一种对对象进行分类的能力，分类是推理、学习与决策中的关键问题，传统粗糙集所基于的是不分明关系，这往往使得分类过细，因而笔者探讨一种基于模糊相似矩阵的分类方式，把传统的等价关系弱化为模糊等价关系，从而可得到更具表达力的粗糙集模型。     

粗糙集理论及其应用研究

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。本文给出了粗糙集理论的特点,阐述了几种粗糙集理论的扩展模型及其应用领域,最后讨论了粗糙集理论研究的前景。     

基于随机模糊集的粗糙集模型

为处理人工智能、不精确性和不确定性等问题，综合随机集和模糊集两类集合的优点，提出一种新的粗糙集模型一基于随机模糊集的粗糙集模型．利用随机模糊集定义了一种近似算子，并给出了这种近似算子的一些重要性质．     

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     

基于粗糙集理论的医院院内感染数据挖掘

粗糙集理论是一种处理模糊和不确定知识的新型数学工具 ,已广泛应用于人工智能的许多领域特别是数据挖掘和知识发现领域。本文首次将基于粗糙集理论的数据挖掘技术应用于医院院内感染的知识发现 ,在智能诊断的知识自动获取方面取得新的进展。     

粗糙集理论及在产品市场评估中的应用

粗糙集理论是一种新的处理含糊性和不确定性的数学工具。本文研究了粗糙集理论,并将粗糙集理论应用于产品的市场评估中,通过实验证明使用此理论能有效地从市场调查表中获得有价值的信息,同时也为解决类似问题提供了参考依据。     

改进的粗糙集模糊聚类算法及其应用

通过将粗糙集和模糊聚类算法相结合, 利用粗糙集中上近似集和下近似集的概念改进模糊聚类算法, 解决了模糊聚类边界不确定的问题, 得到了上近似集和下近似集的聚类结果, 从而实现更好的聚类, 改进算法可以处理边界问题和复杂数据问题. 将改进的粗糙集模糊聚类算法用于研究环糊精聚类, 并将聚类结果与K均值聚类分析算法、 模糊C均值聚类算法相比, 实验结果表明, 改进算法有较好的聚类效果.     

模糊决策粗糙集模型及其属性约简

决策粗糙集基于严格的不可分辨等价关系,只能适用于离散型数据,文中研究了一种新的模糊决策粗糙集模型及相应的属性约简算法.该模型将不可分辨等价关系放松为高斯核模糊T-等价关系,从模糊隶属度角度定义了条件概率,能够直接对数值型数据进行属性约简.利用UCI标准数据集,将该模型与Pawlak经典粗糙集、决策粗糙集在属性约简能力上进行比较,仿真实验结果表明,该模型具有较好的性能.     

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。     

区间值模糊集上的粗糙近似

提出了区间值模糊粗糙集的上下近似，并且利用区间值模糊集的截集定义了区间值模糊粗糙度量，在此基础上讨论区间值模糊粗糙集和区间值模糊粗糙度量的性质。