知识的属性依赖挖掘与识别

利用属性集α内被补充属性,知识［x］内的元素个数被减少;利用属性集α内的部分属性被删除, 知识［x］内的元素个数被增加的两个特性。给出阶梯知识,阶梯知识生成,知识属性依赖的概念,提出知识的属性依赖挖掘定理,知识的属性依赖挖掘-状态识别准则,给出知识的属性依赖挖掘的应用。     

函数单向S-粗集生成的F-粗积分

函数单向S-粗集中的上近似与下近似均可看作是一个R-函数等价类,他们生成的函数如果在一闭区间上连续,则在该区间存在积分,这样就得到一个积分对,称这个积分对是函数单向S-粗集生成的F-粗积分。F-粗积分是普通积分的推广,而且它具有动态特性,也有一些良好的性质,为解决实际问题提供了一个方便有效的工具。     

生产调度的稳定性研究

生产调度中存在着大量的约束条件，它是否可行完全取决于所有约束条件是否都满足。文章研究了面向约束的调度稳定性问题。给出了硬约束、软约束和约束满意度的定义，提出了调度稳定度的概念，最后给出一个生产调度案例说明了调度稳定度在生产实际中应用的意义。     

分离模糊集合(A(-overF),AF)与模糊信息智能融合

利用内-分离论域、外-分离论域与分离论域,改进了L.A.Zadeh模糊集合,提出了由内-分离模糊集合与外-分离模糊集合共同组成的分离模糊集合。利用分离模糊集合,给出了模糊信息融合的生成及其属性关系;给出了模糊信息融合中的信息筛以及信息筛分准则,进而提出了模糊信息外-融合-智能检索算法;利用这些理论结果,给出了模糊信息外-融合在疾病分类智能检索中的应用。     

函数S-粗集与系统状态F-识别

利用函数单向S-粗集对偶, 给出系统状态规律生成概念;提出系统状态识别第一定理与第二定理, 给出系统状态识别准则. 利用这些结果,给出函数S-粗集在系统状态-识别中的应用.     

基于模糊集μRX的α-截集和强β-截集的粗近似

研究了基于模糊集μ^R_X的α-截集和强β-截集的粗近似问题，提出了(α,β)-粗糙集模型，讨论了粗糙近似算子的一些重要性质，给出了粗糙度和近似精度的定义和性质，证明了该模型比Pawlak粗糙集模型具有更好的精度．     

S-粗集的信度特征

利用S 粗集理论和元素迁移的随机性，提出元素迁移的信度及信度函数的概念；给出了单向S 粗集与双向S 粗集的依信度生成；讨论了S 粗集依信度生成的特性．     

分辨矩阵与知识粒度的应用

粗集理论是一种新的软计算方法，可以有效地分析和处理不完备信息，本文介绍了知识的粒度和属性的重要度等概念，得到了Skowron的分辨矩阵若干定理．利用这些结果，提出计算知识粒度和属性重要度的新方法，给出这些方法的应用，应用例子表明本文提出的方法的有效性．     

函数S-粗集与粗规律挖掘-分离

研究了函数S-粗集的本质和特性,及其用于挖掘系统的潜在规律。利用函数S-粗集(单向函数S-粗集,双向函数S-粗集)的数学结构和特性,给出系统中粗规律模型的生成方法。给出了利用函数S-粗集进行系统中的粗规律挖掘与分离的讨论,和系统中粗规律分离的应用。例子证明,函数S-粗集是系统规律挖掘的一个有力工具。     

知识过滤和它的依赖推理发现

知识具有颗粒，知识具有粒度；颗粒，粒度是知识的两个基本特征；知识的颗粒特征，知识的粒度特征与知识的属性保持着紧密联系，属性的变化引起知识颗粒特征，知识粒度特征的变化．本文将物理学中物质具有颗粒的概念和过渡的概念引入到粗集（rough set）理论与应用的研究中，提出了知识过滤的概念，给出知识过滤的数值度量，知识筛子原理．利用知识过滤的概念，给出知识过滤在依赖推理中的推理结构，依赖推理的数值关系和在知识发现中的应用．知识过滤与依赖推理相互交叉，互补共享，是知识发现研究的一个新方向．