基于可传递信度模型的k-NN分类规则

针对训练模式所属类不确定情形,提出了基于可传递信度模型(TBM)的k-NN分类规则,并结合模糊集理论及可能性理论进行了拓广,最后通过计算机模拟实验将两者作了比较。     

一致完备决策系统中属性重要性定义的改进

在一致完备决策表中利用代数(信息熵)定义比较属性之间的重要性时往往会得到一些与实际不相吻合的结论,这种问题产生的主要根源是其定义本身的不完善所造成的.该文从产生问题的根源出发,从约简的角度重新定义了决策表中的各个属性(属性子集)的重要性,同时还给出了体现2个不同属性之间相互关系的相关系数的定义.最后通过对2个不同的例子来说明新定义的重要性比代数(信息熵)定义更具有合理性.     

D-S证据理论在证券投资中的应用

D-S证据合成公式要求待合成的证据是相互独立且证据之间不能有较强的冲突,否则合成结果将有悖常理,因此,冲突证据合成前往往要进行修正.该文提出了一种基于修正系数学习的修正方法,同时将证据理论引入证券市场,将每个专家的预测意见视为证据,将不同专家预测意见的综合视为证据合成问题,然后用该文提出的修正方法对冲突专家意见进行修正,以取得较好的合成效果,从而为证券投资者提供有价值的参考信息.     

关于无点度量空间的一些结果

本文讨论了无点度量空间的问题,在Gerla G建立的无点度量空间的基础上引入了无点度量变换的概念,并给出了刻划其特征的一个结果,进一步地定义了L-型无点度量空间,从而较大幅度地推广了Gerla G一文中的某些结果。     

几种不确定性测度的粗糙集解释

以粗糙集为基础，研究了信任函数与内测度、信任函数与随机集的下概率之间的关系，并给出了它们基于粗糙集理论的解释，首先将粗糙集与随机集作了比较，并由此得出了信任函数与下概率的关系。其次，对内测度的集合特征作了分析后，给出了信任函数与内测度的关系。     

相关证据合成方法

讨论了孙怀江和扬静宇文章中提出的相关证据合成方法，指出其定理2是错误的，并给出了使其成立的条件；而对独立源证据的辨，通过入寒流变量，将其转换为线性方程组的求解问题。     

基于融合信息熵性质的信任函数概率逼近

对信息熵的相关性质进行研究,在 Pignistic 概率转换方法的基础上融合信息熵的性质提出信任函数概率逐步逼近的新算法,决策者根据决策需要可以设定逼近阀值,以此确定是否继续逼近,达到降低决策风险的目的,最后通过算例说明新方法的优越性。     

基于信息熵的证据融合方法

通过引入信息熵和确定性指数概念,利用证据的确定性指数对原始证据进行修正,并对不确定性概率指派重新分配.利用修正后的证据提出了新的融合方法,算例表明此方法能有效处理证据高冲突的融合问题,得出合理的融合结果.     

基于相异关系的粗糙集理论

利用相异关系代替Pawlak粗糙集理论中的不可分辨关系,建立了基于相异关系的粗糙集理论,它使粗糙集理论在完备信息系统和不完备信息系统中的应用统一起来．     

可传递信度模型上的Rough算子及其应用

在可传递信度模型(TBM)上定义一对Rough算子,并讨论其性质,然后将其应用于两方面:一是对同一识别框架下不同布尔代数中的任一命题进行表示,二是对TBM中的信任函数和似然函数进行Rough集解释.