基于最大差距的置信度评估算法

通过分析传统基于概率度量的K邻近置信度评估方法,提出一种基于最大差距的置信度评估方法,并在UCI数据集上对两种方法进行对比实验.实验结果表明,基于最大差距的置信度评估方法在宏平均召回率、宏平均精度及所用时间上均优于K邻近置信度评估方法,从而可进一步优化半监督分类学习中数据样本的置信度评估.     

基于偏序关系的属性约简及决策方法

对信息决策系统中基于信息熵的属性约简方法进行分析,通过一个反例证实其不完备性,建立优势与劣势关系上的属性约简方法,合理简化信息决策,并采用偏序关系全序化的粗糙集方法得到对象之间的排序,通过Borda方法证实其有效性.     

模糊等价关系下的犹豫模糊粗糙集及其应用

首先通过对长度不同的犹豫模糊元进行补齐来定义犹豫模糊集新的交并运算,在Pawlak近似空间中利用新的运算建立粗糙犹豫模糊集模型;然后将Pawlak近似空间推广到一般犹豫模糊近似空间,利用犹豫模糊元间的相似度获得犹豫模糊近似空间中对象间的模糊关系矩阵,再利用模糊集的传递闭包法将模糊相似矩阵转化成模糊等价矩阵,在此基础上建立犹豫模糊信息系统中的粗糙集模型,研究犹豫模糊信息系统的属性约简。最后通过一个算例来说明犹豫模糊信息系统的属性约简方法。     

改进的遗传谐振匹配网络学习算法

针对简单自适应匹配（SFAM）网络结构冗余的问题提出一种改进遗传谐振匹配网络学习算法.通过引入群体适应度均值和标准差来自适应调整交叉概率和变异概率;针对自适应谐振网络自身在训练过程中可能出现的类冗余问题,在遗传操作中引入裁剪算子,通过定义置信度因子依据规则对训练过程中网络可能出现的冗余类标志节点进行删除,降低网络结构的...     

粗糙图与它的结构

将粗糙集理论和传统图论相结合,给出基于粗糙集思想的传统图的等价定义及粗糙图的定义,并进一步给出了粗糙图的矩阵表示及粗糙图的粗糙性分析．粗糙图推广了传统的图论结果,是可用于不确定性问题研究的图,它是分析系统粗特征的有效新工具．     

Herz型Hardy空间上粗糙核分数次积分及其交换子的加权估计

研究了粗糙核分数次积分及交换子在Herz型Hardy空间上的加权估计。当Ω∈Ls(Sn-1)(1s∞)时,利用原子分解证明了粗糙核分数次积分TΩ,l以及由它和BMO函数生成的交换子[b,TΩ,l]是从加权Herz型Hardy空间到(弱)加权Herz空间上有界的。同时,对粗糙核分数次极大算子也得到了相应的结果。     

单一粗糙隙缝水流非线性运动实验

在隙宽2～8 mm壁面粗糙的人工隙缝中进行了水流模拟实验,实验证实隙壁性质和流态对水流运动方程有影响,当雷诺数大于200～700时,流速与水力坡度间的关系是非线性的,呈v=αI0.5的形式,布西捏斯基窄缝水流方程即水流的三次方定律不成立.     

模糊数的一置信指标及其性质

采用水平截集与隶属程度相结合的方法,建立了衡量水平截集可靠程度的水平置信度概念,讨论了水平置信度的分析性质,其基本思想完全可以推广到一般可测论域上的模糊集.这些讨论将为建立更为合理的模糊信息之间的差异度量提取提供一种理论基础,为模糊聚类分析、图象识别、系统评估、质量管理、人文科学等问题的决策过程提供一种有效的工具,同时也可在满足某种置信度要求下确定模糊规划、模糊优化等问题的决策水平.     

以经济为基础的图书出版种数预测模型研究及完善

分析了当前图书出版种数预测模型存在的缺陷,以经济基础决定上层建筑和哈佛学派实证研究的SCP理论为基础,结合回归分析和概率学的数理方法,提出了以经济因素为自变量的预测模型以及利用预测置信度的概念修正预测结果的表达方式。     

Flow-Shop Scheduling Models with Parameters Represented by Rough Variables

In reality, processing times are often imprecise and this imprecision is critical for the scheduling procedure. This research deals with flow-shop scheduling in rough environment. In this type of scheduling problem, we employ the rough sets to represent the job parameters. The job processing times are assumed to be rough variables, and the problem is to minimize the makespan. Three novel types of rough scheduling models are presented. A rough simulation-based genetic algorithm is designed to solve these models and its effectiveness is well illustrated by numerical experiments.