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.     

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.     

关于图的哈密尔顿性的一些新的结果

关于哈密尔顿图和哈密尔顿连通的两个基本结果是Ore给出的:设G是一个n(n≥3)阶图,如果对于G的任意一对不相邻顶点u,v,有d(u) d(v)≥n或n 1,则G是哈密尔顿图或哈密尔顿连通的.设G是一个图,对于任意u∈V(G),令N(u)表示u的邻点集;对于任意U∈V(G),令N(U)=∪u∈UN(u).本文利用插点方法,给出了关于k或(k 1)-连通图(k≥2)G是哈密尔顿的,哈密尔顿连通的或1-哈密尔顿的统一证明.其充分条件是关于|N(S)| |N(T)|与n(S ∪T)的不等式,这里S,T是图G的任意两个不交的独立集,并且|S|=s,|T|=1,S∪T也是一个独立集,这里n(S∪T)=|{v∈V(G):dist(v,S∪T)≤2}|.     

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。     

具有模糊系数的可能性线性规划

在LA Zadeh的可能性理论的基础上，讨论了具有梯形模糊系数的可能性规划问题，得到了一定置信水平下的经典等价条件，并用单纯形法求得其最优近似解．     

高技术企业人才资源的模糊综合评价

科学计量企业人才资源的价值,合理的配置人才资源,是企业实施人力资源战略和提升竞争力的迫切需要。由于人的复杂性、信息的模糊性、信息的不完全性决定了人才的评价和选择具有复杂性,这种复杂系统的决策问题属于多因素、多层次决策问题,本文给出了基于模糊层次分析法的高技术企业人才综合评价模型,为高技术企业的人才综合评判提供了一种科学的决策方法。     

关于模糊幂环的表示

李洪兴引入了HX环的概念，姚炳学给出了模糊幂环的概念作为HX环的推广。本文讨论了模糊幂环的基数与表示，指出：这类模糊幂环不是Zadeh意义下的模糊环，可以被一个经典环表示。作为例子，给出了模糊幂环的正则表示。     

多重模糊推理情形下的CRIP法

该文对模糊专家系统，模糊决策支持系统和模糊控制系统中常用的Zadeh的模糊推理合成法则CRI进行了推广，基于V^λ算子，该文提出了多重模糊推理情形下的带参数的模糊推理合成法则（简称CRIP法），它克服了传统的CRI法则的若干不足之处，能在极弱条件下满足假言推理，拒取式推理，具有推理的逼近性，通过参数的调整，CRIP法具有推理的灵活性和准确性，该文给出了参数的具体取值方法。     

知识发现中概率统计与粗集方法的比较

对知识发现中,概率统计方法与粗集理论方法在评价系统参数的重要性,分类隶属度与条件概率,输入条件与决策结果的依赖关系等方面进行了比较, 提出了将概率统计方法和粗集理论相结合,由确定性粗集的近似空间扩展到了不确定性的概率粗集的近似空间,为确定性和不确定性知识表达系统提供一个统计粗集模型。     

高型粗糙模糊集及高型模糊粗糙集

定义了L型粗糙模糊集（L型RF集），给出了其相关性质，进而引进了高型粗糙模糊集（高型RF集），它比普通的RF集具有更高层次的粗糙模糊性，可用于人们对粗糙模糊现象的描述，增强人们对自然语言的表达能力，平行地，最后研究了高型模糊粗糙集（高型RF集）。