因素空间理论与知识表示的数学框架（Ⅰ）──因素空间的公理化定义与描述架

系统地研究因素空间理论及其在知识表示中的应用。介绍因素空间理论的基本思想，修改了原有的因素空间的公理化定义，提出了表达概念的基本工具－－描述架，为建立知识表示的数学框架奠定了基础。     

因素空间与模糊决策

以汪培庄的因素空间理论为知识表示的框架，对其公理稍加补充之后提出后馈外延的概念；基于反馈外延，建立了一种面向目标的决策方法。     

因素空间与形式概念分析及粗糙集的比较

为将因素空间理论与形式概念分析及粗糙集理论进行比较,采用了对比分析的方法.首先,围绕数据分析、知识表示和基于广义数据的规则提取等方面,详尽地介绍了因素分析的三个重要算法;其次,将因素分析法与形式概念分析及粗糙集方法进行了系统的比较.研究结果表明:因素空间理论作为知识表示的数学理论,要优于形式概念分析及粗糙集,是数据科学的重要理论基础.     

因素空间理论与知识表示的数学框架（II）：因素的充分性与概…

系统地研究因素空间理论及其在知识表示的应用，首先介绍因素的投影和柱体扩张；然后讨论因素在表达概念时的充分性并给了刻画因素充分性的等价条件；最后基于因素的充分性定义了概念的秩，它是表达概念的一种内在量，在知识表示中起着基础性的作用。     

因素空间的理论研究

随着因素空间理论的诞生和不断完善,其为知识表示和人工智能的发展奠定了基础并且得到了广泛的应用。该文针对因素空间进行了因素空间的展开与收拢和优化因素两个方面的研究,其中因素空间的展开与收拢主要体现了因素空间、因素和属性之间的层次性关系,根据决策树算法和聚类算法对因素之间的关系进行优化,凸显出重要的因素,可以对高维数据降维节省存储空间和判别的时间。     

因素空间理论与知识表示的数学框架(Ⅱ)──因素的充分性与概念的秩

系统地研究因素空间理论及其在知识表示中的应用．首先介绍因素的投影和柱体扩张；然后讨论因素在表达概念时的充分性并给出刻画因素充分性的等价条件；最后基于因素的充分性定义了概念的秩，它是表达概念的一种内在的量，在知识表示中起着基础性的作用．     

概念在因素空间中的落影表现

研究概念是如何在因素空间中由随机集的落影来表现。首先介绍了因素空间的基本思想，然后讨论概念在因素空间中的表现，最后给出了表现外延的落影表示，以及模糊算子的确定方法。     

因素空间理论的因素Markov过程

为适应大数据的随机性,在因素空间中的背景分布基础上,研究了因素空间的可测性,得到可测因素、可测因素空间;进而将随机性引入因素空间,给出因素随机过程、因素Markov过程理论、性质及应用.融合了Markov过程的随机性和因素空间的数据推理,拓展了因素空间理论的随机性领域,又从另一个角度解释了背景分布、随机过程、Markov过程产生的原因为处理具有无后效性的因素随机过程提供新的预测方法.     

基于粗糙近似空间中的模糊信息表示

粗集理论与模糊集合理论都是研究信息系统中知识不完备、不准确问题，两者都可利用观测数据表达知识，进行推理。针对传统粗集环境下知识表示模型用固定的属性集来描述对象这一局限，提出利用模糊属性模型对知识表达系统进行信息描述，并给出了模糊属性模型下对象及其上下近似空间的模糊表示。     

基于因素空间变权理论的工业故障诊断

介绍了基于因素空间理论的故障诊断问题的描述及故障诊断问题的求解步骤，在此基础上针对工业过程中故障诊断问题的特点提出基于因素空间理论的故障诊断方法：首先根据工业过程特点定义了故障在因素空间的隶属函数，然后采用基于因素空间的为权方法求得被诊断的解，仿真结果表明该故障诊断方法能较准确地确定出故障的发生，且简单实用。