基于模糊化邻域系的粗糙近似算子(Ⅱ)——公理刻画

研究了基于模糊化邻域系的粗糙近似算子的公理刻画问题.特别地,通过一组公理集分别刻画了由串行的、反身的、一元的和传递的模糊化邻域系生成的粗糙近似算子.     

基于模糊-粗糙模型的逼近精度分类规则提取策略

为了处理具有连续属性的决策系统,利用模糊理论与粗糙理论在处理不确定性问题方面的差异性,提出一种基于模糊-粗糙模型的逼近精度分类规则提取策略.首先利用模糊π函数对决策系统中的连续属性构造三个模糊参数进行模糊化,从而确定条件属性的模糊区域;再根据模糊相似关系构造模糊相似矩阵,然后基于模糊等价类划分的概念,提出了利用逼近精度近似度量的数据挖掘方法进行属性约减,最后应用实例说明如何在决策表中发现分类规则.实验结果表明此方法挖掘出的规则简练且合理可靠.     

粗糙集理论中粗糙函数定义的改进及粗糙导数性质的证明

对二元、n元粗糙函数、k阶粗糙导数的定义进行了改进,给出了一元、二元粗糙导数的性质,并对一元、二元、n元粗糙导数的性质给出了较详细的证明.     

知识论域、知识拓扑与集合邻域

定义了知识论域和知识拓扑，组建了4种拓扑空间，分析了它们的联系．从拓扑算子与近似算子的复合、近似邻域、拓扑不变性质3个方面研究了各个拓扑空间的性质，提出了集合邻域的概念，研究了它与点邻域的深刻联系和对一般拓扑空间的作用，并以它为手段研究了新组建的拓扑空间．     

基于粗集理论的决策规则提取方法

本文利用一致性规则进行属性的规则泛化。在归类优选问题上,采用样本先与值核属性匹配,而后再与非值核属性匹配,对于无匹配的样本采用相似条件向量的方法对缺损数据进行归类优选。     

F-规律预测与规律挖掘

给出F-规律预测,F-规律预测的规律挖掘概念,提出F-规律预测的规律挖掘定理与F-规律预测的规律挖掘原理.F-规律预测的规律挖掘是预测系统中未知规律的一个新的研究方向.     

特殊极大子群的S-θ-完备与有限群的可解性

讨论有限群的特殊极大子群的S-θ-完备对该群可解性的影响,得到一系列充分必要条件,推广了该方面已有的一些结论.     

Clifford半群的平坦性刻划

半群Ｓ称为Ｃｌｉｆｏｒｄ半群,如果它是群的强半格．利用左Ｓ１系的平坦性给出了Ｃｌｉｆｏｒｄ半群的特征刻划．     

完全右P-内射幺半群

本文对幺半群S的任意右商滤子P,给出了完全右P－内射幺半群的“理想一同余”形式的刻划,推广了有关内射S－系的结果。     

粗糙集方法在基于属性分类中的应用

介绍粗糙集基础上的属性分类系统的构造,给出一种数据挖掘中新的分类方法:从初始的数据信息出发,依次构造约简属性集,并对其使用Bayes判别法进行基于属性的分类。最后给出了实例,验证算法的可行性。