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．     

一种模糊Rough决策方法

利用模糊集理论和粗糙集理论在处理不确定性和不精确性问题方面侧重点的差异性，构造一种组合决策模型。该模型从问题领域内的部分不精确信息出发利用模糊聚类方法构造一个决策信息系统，利用粗糙集理论关于决策规则的约简方法从决策信息系统中提取（挖掘）决策规则，使之适用于问题的整个领域。     

利用粗糙集获取模糊控制规则

利用粗糙集、模糊集理论，通过分析专家在生产过程中的控制数据，提出一种将专家控制行为转化为模糊控制规则的新算法。仿真实验表明了该方法的有效性。     

关于粗糙集的若干注记（Ⅰ）——粗糙集与Stone代数

粗糙集理论是处理和表示不准确信息的极为有效的数学工具，也是对其他处理不完备信息的理论和方法(如，可能性理论，证据理论，模糊集理论等)的补充，研究了粗糙集理论与Stone代数的关系，并给出与粗糙集和条件事件密切相关的Stone代数的同构定理。     

粗糙模糊数的分解定理和表现定理

粗糙集理论和模糊集理论都是研究信息系统中知识的不完善、不准确问题 ,前者基于信息系统中知识的不可分辨性 ,后者基于信息系统中知识的模糊性 ,将二者结合形成了粗糙模糊集 .讨论了粗糙模糊数(RFN)的构造性质 ,给出了粗糙模糊数的分解定理及表现定理 .     

粗糙集和模糊集的比较分析

介绍了模糊集和粗糙集各自的理论和特点,并讨论了模糊集和粗糙集的各自优点和缺点,有机将两种理论结合起来分析了模糊粗糙集、粗糙模糊集及粗糙隶属函数的性质及应用,引入变精度思想,在粗糙模糊集上定义其上下近似。     

粗糙集理论与其它不确定理论的比较分析

粗糙集理论作为一门新兴的不确定理论正越来越受到人们的关注．在介绍粗糙集理论基本内容的基础上，对粗糙集理论与模糊理论、随机理论、灰色理论等其它不确定理论的差异性进行了分析，同时讨论了它们之间的互补性问题并构建了相应的互补模型，最后，指出了粗糙集理论对于进一步丰富和完善不确定理论体系的重要性．     

粗糙集与模糊集的比较研究

近来许多研究致力于不确定性问题的知识获取，不确定产生于许多方面：它可以来自于对事物进行描述的术语的模棱两可；也可以来自描述过程中对规则的怀疑；或者数据的错误、丢失．处理不确定性问题的理论有很多，粗糙集与模糊集都是有效手段，它们有联系有区别，可以相互补充有机结合起来解决更多问题．     

基于包含度的模糊粗糙近似算子

1965年，L.A．zadeh提出了模糊集理论，1982年，波兰数学家Z．pawlak提出了粗糙集理论，将二结合而形成模糊粗糙集及粗糙模糊集．利用包含度的概念定义上模糊粗糙近似算子，下模糊粗糙近似算子，边界．并讨论它的性质．     

粗糙模糊数

粗糙集理论和模糊集理论都是研究信息系统中知识的不完善、不准确问题 ,前者基于信息系统中知识的不可分辨性 ,后者基于信息系统中知识的模糊性 ,将二者结合形成了粗糙模糊集 .定义了粗糙模糊数(RFN) ,进而研究了其性质及二RF数间的距离 ,可用于在实际问题中对模糊信息的表述及信息加工 .     

几种新型扩展集合理论

讨论了Fuzzy集、Vague集和Rough集3种重要的边界不确定的扩展集合理论，它们主要用于解决现实中存在的一些不确定性问题。主要介绍了它们的基本思想、最新的研究进展以及应用领域等，并对3种理论的区别和内在联系进行了分析。     

粒度计算的理论、模型与方法

粒度计算(Granular Computing,GrC)是信息处理的一种新的概念和计算范式,覆盖了所有有关粒度的理论、方法、技术和工具的研究．它是词计算理论、粗糙集理论、商空间理论、区间计算等的超集,也是软计算科学的一个分支．它已成为模糊的、不完整的、不精确的及海量的信息处理的重要工具和人工智能研究领域的热点之一．另着重介绍了粒度计算的研究现状、基本问题、主要模型与方法,并提出了进一步的研究方向．     

各种截集形式的粗糙模糊集的构造性质

本文在Pawlak近似空间中引入了λ-上截集、强λ-上截集,λ-下截集、强λ-下截集,λ-上重截集、强λ-上重截集,λ-下重截集、强λ-下重截集的概念,系统地讨论了基于各种截集形式的粗糙模糊集的构造性质,得出了基于模糊等价关系的各种截集形式的粗糙模糊集的表现定理和扩张定理并给出了系统的证明。     

从时代背景的变迁看邓小平“猫论““摸论“和“闯论“的关系

从时代背景的变迁入手,剖析邓小平“猫论“、“摸论“和“闯论“三者间的关系,可以发现,从理论源起上看,它们均是中国现时代的产物,但各自的具体背景又大相径庭;从理论内容上看,它们均指向实际问题,但又因时代背景相异而各有侧重;从理论精神上看,它们均闪耀着马列主义精髓的光辉,但又受时代背景制约而不能孤立地理解.     

形式规则、心理模型与概率理论——条件推理中三种理论模型的比较研究

条件推理是一种最简单的演绎推理。然而心理学家对于人们是如何进行条件推理一直存在三种不同的理论观点：形式规则、心理模型和概率理论。这些理论都能解释条件推理过程中的一些现象,但还存在一定的不足,本文将对这些理论进行详细的评述。     

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.     

基于粗糙集解决BP网络模式识别中的噪声

为了解决BP网络模式识别中的噪声问题,提出了利用粗糙集的上、下近似和边界线集理论对噪声样本进行处理的方法。该方法对处于下近似集内的含噪声属性值,将噪声消除后转换为理想状态下的属性值;对处于边界域内的含噪声属性值保持不变。当属性值处于边界域内属性的个数与全部属性数的比值达到某个确定的值时,就认为该样本受到噪声干扰过大,对其拒绝识别。通过实验对比表明,该方法能有效地降低BP网络模式识别的误识率。     

基于粗糙集理论的决策树构造算法

应用粗糙集理论，提出了一种利用新的启发式函数构造决策树的方法。该方法以属性重要性评价指标作为信息熵函数，对务件属性进行选择，充分考虑了属性间的依赖性和冗余性，弥补了ID3算法对属性间依赖性强调不够的缺点，解决了决策树中子树的重复和有些属性在同一决策树上被多次选择的问题，该方法还能对不相容决策表进行正确分类。实例表明该方法是正确有效的，而且明显优于传统的决策树构造方法。     

论任伯年肖像画的用线特色

线条作为一种极具表现力的艺术语言,在绘画领域里有着特殊的地位和意义。清末时期海上画派最具影响力的画家任伯年在用线方面有着极高的造诣与贡献,文章主要以其人物肖像画的用线特色与绘画风格等方面进行论述,希望能对当代艺术理论研究与绘画创作实践有所启示。     

集与导集数量关系的研究

集合理论是研究实变函数的基础,在研究集合理论的基础上,着重强调了导集理论的研究,主要研究了集与导集之间的数量关系,并在集与导集数量关系理论的基础上,运用集与导集的数量关系简化地解决了一些著名定理与结论的证明,为使导集理论更好地应用于实际打下坚实的基础,为建立更加广泛的分析理论提供参考.