多维频繁项集计算方法及应用

对多维关联规则中混合维关联规则数据挖掘技术进行了探索，实现了基于多维频繁项集进行多维关联规则数据挖掘的一种实用高效的方法，文中基于多维的频繁项集的挖掘算法主要分为2个步骤，并在高校学生信息系统中给予具体运用．     

一种基于二进制可辨矩阵的属性约简算法

基于可辨矩阵的属性约简算法都是从信息系统中直接求得约简，提出了分两步求得约简，降低了算法的时间复杂度为O(mn^2)，第一步计算出近似约简，第二步去掉其中的冗余属性。改变了过去人们认为基于可辨矩阵的特征选择算法的时间复杂度不低于O(m^2n^2)的观点(其中m为数据集中特征／属性的个数，n为数据集中样本的个数)。最后给出了实验结果.     

模糊映射次微分在最小值点集合上的性质及其运算

在模糊数空间中，介绍了模糊数及模糊映射次微分等概念，引入模糊数的加法与乘法运算法则及序关系，定义了锥N（C，x0），证明了模糊映射在最小值点集合上的性质，通过实例，利用模糊数的定义、运算法则、序关系和模糊映射次微分的定义及性质对模糊映射的次微分作了尝试性的计算。     

基于分布约简的获取规则的增量式方法

根据粗糙集的理论,在信息系统中使用了分布约简的概念,并利用相应的可辨识属性矩阵,提出了一种在决策表中获取规则的增量式方法,该算法对决策表中出现的各种新对象进行分析,在原有的分布约简的基础上进行增量式更新,从而避免了重新计算.     

规则"真"的一般概念和"真"规则形式算法

在粗糙集理论框架内研究基于不完备信息系统的决策规则"真"的一般概念,讨论在一般"真"意义下最优决策规则的统一获取算法,其中首先探讨了在研究不完备决策系统时的基本考虑,然后讨论了决策规则的"真"的一般框架,引入了在一般"真"意义下广义决策向量概念,以此为基础,研究了最优决策规则的形式获取算法.     

不一致决策表的分配序约简

在不一致决策表中定义了分配序约简，给出分配序一致集的判定定理。通过定义分配序区分矩阵给出求分配序约简的区分矩阵法。为克服区分矩阵法时间复杂度随系统大小的增加而指数增长的缺陷，通过定义属性的相对重要性，提出一种求分配序约简的启发式算法。通过实例分析说明启发式算法的有效性，为从不一致决策表中获取知识提供了一种有效方法。     

锥预不变凸映射

研究拓扑向量空间锥半严格预不变凸映射和锥预不变凸映射的性质，证明了锥半严格预不变凸映射的局部弱有效解与锥预不变凸映射的局部有效解都是全局有效解，给出它们的一个梯度性质。     

极小化向量定理的一种新证法

通过充分利用下确界的概念,给出了极小化向量定理的一个简单明了的新证明.     

软件系统可靠性分析的Vague集方法

本文介绍了软件状态不仅有正常、失效状态，还有文中提到的失常状态，因此引入Vague集分析软件系统可靠性，在顺序和选择结构系统中通过三角形的Vague集方法运算证实，该方法可以更灵活、更智能有效地分析软件系统可靠性，建立成熟的人性化模型，使软件系统更加稳定。     

求解TSP问题的并集搜索的新宏启发算法

利用TSP问题解的概率统计模型，分析了TSP问题的局部最优解并集的性质，发现局部最优解的并集规模较小且包含了绝大多数全局最优解的边．利用该性质，将局部最优解并集作为启发集，并调用局部搜索算子在其上求解TSP问题，由此得到一种称为并集搜索的新宏启发算法．利用该算法还改进了目前广泛使用的求解TSP问题的算法ILK、LKH，在TSPLIB中典型实例上的实验结果表明，新算法在解的质量上有了较显著的提高．