(L)ukasiewicz命题逻辑系统中的赋值决定公式问题

为了在经典逻辑学中建立Fuzzy分离规则的推理模式，Zadeh提出了赋值决定公式问题（VDF问题），并已于二值命题逻辑以及Lukasiewicz三值和p＋1值命题逻辑中得到解决．文中在更一般的Lukasiewicz命题逻辑系统中建立了VDF问题的求解理论，首先给出了一般的Lukasiewicz命题逻辑系统中VDF的合理性条件，其次构造性地解决了Ln、La和Lc中的VDF问题．     

快速挖掘最大频繁项目集的新算法

针对关联规则下最大频繁项目集的特性,提出了一种快速挖掘最大频繁项目集的新算法MMFI(miningmaximumfrequentitemsets)。该算法摆脱了传统的经典算法Apriori及其变种情况下的自底向上的搜索策略,利用集合枚举树(set enumerationtree)的变形结构采取了自顶向下的新的搜索方式,并通过其独特的启发式判断策略、候选项目集的生成策略等,大大减少侯选项目集的生成,从而降低了CPU搜索时间,提高了挖掘效率。     

模糊目标信息系统上的逻辑及决策规则

基于模糊目标信息系统模型，并结合粗糙集相关的逻辑理论，提出了模糊粗糙决策语言FRDL，给出了FRDL中公式的定义、语义、可满足性有效性的形式化描述以及相关的性质。在此语言的基础上，给出了模糊目标信息系统上的决策规则、逆决策规则形式化描述和构造方法。FRDL所描述的逻辑表达方法以及规则推理公式为建立在模糊目标信息系统之上的决策支持系统、推理机提供了形式化的表示和推理方法。最后，在眼科近视诊断上进行的数据实验表明，这种形式化描述和推理方法比较合理。     

一种基于序列挖掘的分类系统框架

为了有效地对序列数据进行分类，提出了一种集成分类挖掘和序列模式挖掘技术的分类系统框架(SPACS)．先采用一套约束和裁减策略，为每个分类挖掘频繁序列模式，并将其转换为分类序列规则(CSR)；再利用平均CSR匹配置信度和一个规则匹配算法构建有效的序列数据分类器．SPACS不需要在提取序列的特征后采用传统方法进行分类，可以直接利用从序列数据中提取出的频繁序列进行分类．实验结果表明，对于序列类型的数据的分类，SPACS比传统的决策树和关联分类方法具有更高的分类精度．     

用简化模糊规则数的方法设计模糊PID控制系统

在对常规模糊控制器和PID控制器研究的基础上，提出了一种最简单的模糊PID控制系统。该系统基于T-S模型，借助于线性系统理论解决非线性系统设计中的问题，用2个二维的模糊控制器或二维模糊控制器加上积分环节来替代三维模糊PID控制系统，大大简化了模糊PID控制系统的设计。仿真结果表明，这种模糊PID控制系统结构简单，规则数少，稳定性高。     

以就业为导向促进高职CAD课程的改革与发展

针对高职教育的特点,以就业为导向,以培养高级应用型人才为目的,从 CAD 课程的教学内容与要求、教学方法、教学手段等方面,分析探讨促进高职教育 CAD 课程教学改革和发展的理论与实践。     

基于粗集理论的一种规则提取方法

介绍了粗集理论的基本概念,通过对现有基于粗集的最小规则提取算法的分析,发现其缺陷,提出了一种改进的基于粗糙集的规则提取方法,并用UCI数据库中的9个标准数据集从规则集的规则数目、规则集的平均规则长度、规则集的平均规则支持、规则集的预测精度等4个指标对改进的算法进行了测试和对比分析,实验表明了该算法的有效性.     

具有适应能力的Web课件设计与关键技术

传统的基于网络的CAI系统由于缺乏推理机制和学生模型的支持,不能根据学生的知识水平、认知特点和理解能力提供适合该生的学习材料并作出有针对性的指导.介绍了一种基于Web的具有适应能力的课件模型,它综合利用人工智能技术、多媒体技术、数据库技术和网络技术所设计的课件,能让学生根据各自的学习情况动态组织教学内容,为学生提供个性化的服务.讨论了实现过程中的关键技术.     

一种基于粗糙集分类规则发现的方法

介绍了粗糙集理论实现数据分类和规则推理的基本原理,并利用粗糙集理论中核及决策类覆盖的概念,提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系,并简化带有不相容规则的决策系统的多层次数据挖掘算法,应用一实际的例子说明如何在数据库中发现分类规则.     

证据理论合成规则的改进

D-S证据理论是一种有用的不确定性推理方法，由于证据合成公式存在不足，影响了证据理论的应用．该文提出了一种证据理论合成的改进方法，该方法不仅能处理相互冲突的证据，把支持证据冲突的概率按各个命题的平均支持程度加权进行分配，还能根据证据携带的信息量决定聚焦的权重，使合成结果符合实际情况．