基于粗糙集属性重要性的模糊聚类决策及应用

考虑到不同属性之间的重要性,利用粗糙集理论对模糊信息表或信息表中的不同属性之间(特别是定量属性与定性属性之间)进行耦合,提出一种计算不同属性间相似度的计算方法,即基于粗糙集属性重要性的模糊聚类方法,解决模糊信息表或信息表中属性值定量与定性描述并存情况下的聚类问题,并根据原类结果建立决策表.     

一种不完备决策表的数据补齐方法

针对不完备信息系统，提出缺失比概念．用缺失比表示待填充样本中缺失数据和剩余数据对决策结果的影响能力的大小，进而根据缺失比选择使用的约简，然后通过填充矩阵寻找缺失数据的最大可能值．采用对Rough集进行扩充和数据填补相结合的决策表数据补齐方法．试验结果表明该方法有较好效果．     

函数S-粗集与投资风险F-规律发现

利用函数F-粗集概念给出了规律的f-遗传, f-遗传规律生成,函数单向S-粗集的F-遗传, F-遗传规律生成等概念.提出了F-遗传规律包络定理, F-传递规律分离定理.利用这些结果,给出函数单向S-粗集与投资风险F-规律的发现与应用.     

双枝模糊集的内、外积及相似性度量

给出了双枝模糊集内积、外积的概念并讨论了它们的性质，从双枝模糊集内积、外积出发定义了双枝模糊集的相似性度量，并进一步给出双枝模糊集相似度的几个公式.     

基于二叉树结构的数据约简算法研究

在粗糙集理论中,数据约简是一个非常重要的研究课题,它包括属性约简与属性值约简。现己证明寻找一个信息系统的最优约简是NP-难题。文章主要研究了基于二叉树结构的数据约简方法,实验结果表明,该算法在大多数情况下能够有效地获得信息系统的一个最优约简。     

乘积测度的表示与集的截口的测度的可测性

设T,X是完备可分的度量空间,T×X是乘积空间.设ν是T上的完备的Borel概率测度,τ是X上的预测度.从ν和τ出发,可以通过两种不同方式定义乘积空间T×X上的测度.证明在τ是σ-有限的情形下,这两种方式定义的测度都等于T×X上的乘积测度ν×τ*,其中τ*表示由τ按方法Ⅰ所构造的外测度;在τ是非σ-有限时,证明了在一定的条件下函数τ(Et)与τ*(Et)都是T上的可测函数,其中E T×X,Et={x∈X;(t,x)∈E}.     

直觉模糊逻辑算子的研究

给出了直觉模糊逻辑“补”、“与”、“或”及“蕴涵”算子的定义，并利用区间值模糊集与直觉模糊集之间的关系，给出了利用经典的模糊逻辑算子构造直觉模糊逻辑算子的三个定理。从而得到了构造直觉逻辑算子的新方法，这种方法无需验证其运算的封闭性，因而简单易行。文中用此方法构造出了一系列新的直觉模糊逻辑“补”、“与”、“或”及“蕴函”算子，将K.Atanassov最早提出的直觉逻辑模糊逻辑算子推广到了更一般情形。     

渐进式序列模式挖掘算法IMSP分析

序列模式挖掘是数据挖掘中最重要的研究课题之一。基于记录频繁集各元素的Ctid表的基础上，有研究者提出一种渐进式序列模式挖掘算法IMSP，目的是支持度保持不变，而数据库变化不大时，如何利用前次的结果和中间结果，以加速本次挖掘过程。笔者深入分析了算法IMSP结构，指出该算法在时间复杂度，挖掘规则的完备性上的不足，同时也指出利用该算法所可能得到的错误结果。     

基于粗糙集和模糊集理论的规则提取方法

粗糙集理论和模糊集理论都是用来处理不完整和不确定信息的理论，两者都可用来观察、测试数据并进行推理。虽然它们之间有一些重叠，但两者的着眼点和计算方法是不一样的，因此它们不能被相互替代，而且必须结合起来使用。本文结合粗糙集理论和模糊集理论提出一种新的规则提取方法，并给出了一个应用实例。     

Rn上分形集多重维数的下界估计

给出了Rn 上分形集多重维数的下界估计 .推广了Hausdorff测度的位势原理 :对分量均非负的向量α ,若有F上的具有有限α -能量的质量分布 ,则F的 (α)———维测度为无穷大 .利用位势原理证明了 :若有F上的具有有限α-能量的质量分布 ,则F的多重维数大于或等于α .