用矩阵方法进行概念格的属性约简

本文给出了概念格的可辨识布尔矩阵的概念,把概念格的属性分成绝对必要属性、相对必要属性和绝对不必要属性三类,建立了概念格的属性约简模型.用布尔矩阵的初等行变换把可辨识布尔矩阵化为最简矩阵,给出了通过可辨识布尔矩阵和最简矩阵判定绝对必要属性、相对必要属性和绝对不必要属性方法,并由此给出了一种初等、直观的属性约简算法.     

基于布尔矩阵的保持二元关系不变的概念约简

通过布尔矩阵运算,研究保持二元关系不变的概念特征和概念约简问题。首先,用布尔矩阵表示形式背景,用关系矩阵生成对象\属性关系矩阵,并研究其相关性质。其次,通过矩阵运算获取概念约简中三种不同概念的概念特征。最后,用矩阵运算实现概念区间集的极小运算,简化辨识矩阵,给出概念约简的求解方法,与已有的形式背景的概念约简方法进行比较,该矩阵算法简单且时间复杂度更低。     

关系矩阵传递性的一个递归算法

通过引入布尔矩阵及其布尔和矩阵、布尔积矩阵的运算,给出两个布尔矩阵的“小于等于”和“不小于等于”的比较关系,得到对二元关系矩阵的关系判断其传递性,并建立了传递闭包的一个新的递归矩阵算法．     

分析离散事件系统的新方法

本文用图论的方法构造出适宜用自动机建模的离散事件系统的布尔矩阵，通过对布尔矩阵的运算，既可得出系统可达状态集与转移的最短路径，为藉此设计最优监控器打下基础。     

随机信息系统中基于不可辨识矩阵的属性约简

在随机信息系统中,根据不可辨识关系,提出了不可辨识属性矩阵的概念,证明了不可辨识属性矩阵与可辨识属性矩阵的关系,最后提出了一种基于不可辨识属性矩阵约简算法.实例研究表明,相对于可辨识属性矩阵算法,该算法在时间和存储空间上都有较大的改善和提高.     

邻域粗糙集的矩阵表示与公理化

文章提出覆盖的表示矩阵,通过一个方布尔矩阵,即覆盖表示矩阵与其转置的布尔乘积,简洁地表示覆盖粗糙集中常用的覆盖近似算子;通过定义类似布尔乘积的布尔矩阵间的运算,获得一个布尔方矩阵,通过这个布尔方阵,简洁地表示邻域近似算子;因为布尔方阵和二元关系是一一对应的,因此2种布尔方阵都有唯一的二元关系与之对应,直接通过覆盖块,这2个二元关系被简洁表示;最后给出了邻域近似算子的矩阵公理化.     

基于Haar小波微分运算矩阵的分布参数系统辨识

在Haar小波正交逼近变换的基础上,对一阶线性分布参数系统参数辨识问题进行了研究.利用微分运算矩阵及其性质,将原偏微分方程描述的线性分布参数系统转化为一组代数矩阵方程,再利用最小二乘法,确定出待辨识的系统参数.基于Haar小波微分运算矩阵方法与基于积分运算矩阵的方法相比,避免了对偏微分方程进行多重积分运算、再利用积分运算矩阵的过程;而且可以不考虑初始条件和边界条件,简化了问题的求解过程.仿真实例表明了该方法辨识精度高,待辨识的3个参数辨识率分别达到0.06％、1.17％、0.26％,可以作为一种解决分布参数系统辨识问题的工具.     

一阶常微分方程组的一个有效解法

对于一阶常微分方程组,将具有导数变量的系数矩阵作三角化分解,使其简化成单位矩阵．应用具有三阶精度、单步自起步、无条件稳定的隐式算法对一阶常微分方程组进行了简化,改进了Calahan算法．其中逆矩阵与矩阵的乘积,是通过矩阵三角化回代求解计算,从而回避了矩阵求逆．该算法保留了原方程组系数矩阵的稀疏存储方式和稀疏矩阵的运算规则,减少了计算时间和运算过程所需要的存储空间．     

基于粗糙集理论和布尔矩阵的改进Apriori算法

提出一种基于粗糙集理论和布尔矩阵的关联规则挖掘算法,作为对Apriori算法的改进,通过构造布尔矩阵,利用粗糙集划分等价类的方法对事务数据库的记录进行分类,然后通过等价类的取交或取并运算产生更高阶的频繁项目集,算法能有效减少数据库的扫描次数,实验表明算法在对事务数据库进行挖掘时显示出良好的性能.     

布尔矩阵空间及正则布尔矩阵的g－逆线性空间

研究了布尔矩阵空间和正则布尔矩阵的ｇ－逆线性空间的一些性质。在此基础上，给出了正则布尔矩阵的ｇ－逆集的另一个表示法。进而，提出了正则布尔矩阵的特征矩阵概念，通过特征矩阵可以表征一个正则布尔矩阵的极小ｇ－逆集、主ｇ－逆和ｇ－逆线性空间的一些重要性质。     

F-干扰规律生成与特征识别

利用单向S-粗集对偶给出知识的f-干扰生成与f-干扰规律生成,单向S-粗集对偶的F-干扰生成与F-干扰规律生成的概念,基于这些概念提出了F-干扰盈余与F-干扰度关系定理、F-干扰盈余规律与F-干扰度规律关系定理、F-干扰分辨定理、F-干扰规律分辨定理,给出了F-干扰规律识别准则与应用。     

变精度意义下的优势约简

属性约简是粗糙集理论与方法的研究热点,是一种重要的降维方法.将经典变精度粗糙集模型与优势关系粗糙集模型相结合,定义了优势关系下的β近似集合和β分布协调集的概念,并给出了基于β分布协调集的可辨识属性矩阵定义,提出优势关系下的变精度属性约简方法.通过实例分析,说明了该方法的可行性.     

P-粗积分与函数双向S-粗集的粗糙度

在函数双向S-粗集生成的P-粗积分的基础上提出了函数双向S-粗集的精度与粗糙度的概念,讨论了函数双向S-粗集的精度与粗糙度的一系列特性,并得到函数双向S-粗集的可分辨准则与函数双向S-粗集的筛选 剩余定理。     

粗糙集理论在多传感器目标识别中的应用

针对多传感器目标识别中存在的问题,提出了一种基于粗糙集理论的目标识别方法。该方法利用粗糙集理论对数据进行分析,通过决策系统的可辨识矩阵导出分类识别规则,建立目标识别规则库。实例分析表明,该方法的是可行的。     

基于S-粗集的粗数据规律识别

利用S-粗集,给出粗数据的概念,粗数据具有动态特性;给出粗数据规律生成;提出粗数据规律生成定理,粗数据规律还原定理;给出粗数据规律识别准则与可分辨定理;给出粗数据规律的应用。     

S-粗集与它的■干扰依赖还原

利用单向S-粗集对偶(dual of one direction singular rough sets)给出了知识的f-干扰生成与还原,单向S-粗集对偶的F-干扰生成与还原的概念,在这些概念的基础上提出了F-干扰定理,F-干扰盈余定理,F-干扰分辨定理,干扰依赖还原定理,干扰依赖还原原理,给出F-干扰的应用.     

S-粗集与它的-F干扰依赖还原

利用单向S-粗集对偶（dual of one direction singular rough sets）给出了知识的f^-干扰生成与还原,单向S-粗集对偶的F^-干扰生成与还原的概念,在这些概念的基础上提出了F^-干扰定理,F^-干扰盈余定理,F^-干扰分辨定理,干扰依赖还原定理,干扰依赖还原原理,给出F^-干扰的应用.     

基于粗糙集理论旋转机械频域特性的故障诊断

应用粗糙集理论将旋转机械转子的频域信息作为研究对象, 从转子故障实验的频域图表及其相关数据中, 构造符合粗糙集理论要求的决策表, 并对决策表进行约简, 得到旋转机械故障诊断的决策规则, 通过区分矩阵和区分方程寻找决策表的约简和核, 最后优化鳞选出决策表的最小约简形式.     

粗糙半群的进一步研究

主要讨论粗糙集理论在代数系统——半群中的应用,介绍了粗糙半群、粗糙理想、粗糙同态映射及粗糙商半群的概念,提出并证明了与此相关的性质,进一步补充和完善了半群中的粗糙集理论.