可应用于互联网的自学习中文关键词抽取算法

论文提出了一种自学习中文关键词抽取算法，该算法可以辅助实现互联网上的智能信息获取，从而有效解决互联网信息爆炸问题，该算法现已用于课题组开发的互联网信息智能获取工具中，实验表明该算法的查全率和查准率较高，在互联网信息智能获取中具有广阔的应用前景。     

基于知识的遥感图像分类系统

本文应用问题求解的黑板模型并利用产生式系统作为基本软件结构,设计并实现了一个基于知识的遥感图像分类系统;对知识获取与表示进行了研究;通过实验论证了系统的可行性.     

面向领域专家的诊断知识获取策略

基于诊断知识的特性,探讨了将领域专家知识自动转化为诊断知识的可行途径,并提出了一种面向领域专家的诊断知识获取策略——层次引导与功能聚类.     

新时期的企业人力资源管理

近一个世纪以来,企业经营经历了从生产导向到市场导向的演进过程,而在21世纪,人力资源导向将成为企业获取成功的基本导向.企业采用人力资源导向是由知识化、网络化及全球化的时代根本特征和企业竞争格局所决定的.企业必须以全新的视角来认识人力资源在企业发展中的作用.     

关于传递性偏好断面规模的比较分析

文章在分析传递性偏好断面规模问题的起源的基础上，探讨满足Coombs条件和Black条件的传递性偏好断面规模问题，通过分析满足Coombs条件和Black条件偏好序的表示形式，给出Coombs条件和Black条件下的传递性偏好断面规模的计算式，并对满足Coombs条件和Black条件的传递性偏好断面规模进行比较，所得结论表明：Coombs条件和Black条件虽能确保过半数规则的有效性，但却限制了个体的自由选择，但与Coombs条件相比，Black条件对个体自由选择的约束相对较弱。     

基于Rough集理论的模糊神经网络构造方法

提出了在模糊神经网络中使用Rough集理论进行网络结构设计的方法。由于Rough集理论有强大的数值分析能力,而模糊神经网络具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的神经网络模型。这种网络构造方法的主要过程为：首先,利用Rough集理论对给定数据集进行规则获取;然后,根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值;最后,用BP算法迭代求出网络的各种参数,完成网络的设计。给出了一个二维非线性函数拟合的实例,进一步验证了方法的正确性。     

基于粗糙集理论的模糊神经网络及其在化纤生产过程中的应用

提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练。化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性。     

关于偏好信息全序化的加权TOPSIS新方法

针对通过辨识矩阵无法求取偏序集,不能进行后续的偏好信息全序化算法的普遍问题,提出了基于粗糙集的加权TOPSIS偏好信息全序化方法。首先根据属性间差异程度计算各个属性的权值,然后再对信息系统进行加权TOPSIS排序分析。克服了原算法对信息表本身的过严限制,扩大了偏好信息全序化的粗糙集方法的应用范围。最后通过在球团厂中链蓖机-回转窑系统信息表的应用验证了该方法的有效性。     

群决策中模糊偏好关系矩阵一致性的调整方法

针对模糊偏好关系矩阵本身是否一致,使得原矩阵渐进逼近目标矩阵的问题,提出了群决策中模糊偏好关系矩阵一致性调整的新方法。该方法基于目标矩阵的最优选择,提出了一种新的目标矩阵R,使得计算得来的调和矩阵较之原矩阵在一定条件下保留了更多的偏好信息,即在很大程度上保留着群决策中决策者的意愿。最后给出了算例进行比较,说明了该方法的优势。     

群决策的一致性寻求方法

针对群决策中决策者创建的方案不一致调整问题,定义了决策者的个性函数(划分为四种类型:个性偏执型、个性随和型、个性顽固型、无主见型),分析了个性函数在方案不一致性调整中的影响,给出了基于决策者个性函数的有效性分析模型,依据群对方案的接受的有效性程度和拒绝的有效性程度来筛选方案。该模型能有效避免群决策中的群体思维现象,扩大群决策方案的范围,提高群决策结果的可行性,算例说明了上述方法的实施过程。