广义强非线性拟变分不等式

引入并研究一类新的广义强非线性拟分变不等式,构造新的迭代算法,在没有紧性条件下,证明这类拟变分不等式解的存在性及由算法生成的迭代序列的收敛性,所得结果包含了近期一些作者的工作作为特例。     

关于Scott拓扑的core紧性

ＤＣＰＯ Ｌ被称作Σ－ｃｏｒｅ紧的,如果当Ｌ赋以Ｓｃｏｔｔ拓扑后是一个ｃｏｒｅ紧空间,长期以来,从序结构的角度刻划那些Σ－ｃｏｒｅ紧的ＤＣＰＯ一直是悬而未解的问题。在一定的限制条件下讨论上述问题,并得到了一些结果。     

一族随机集的本性(凸)闭包及其应用(Ⅰ)(英文)

该文定义了一族随机集的本性（凸）闭包并研究了它的性质,利用它证明了更广泛的集值（上,下）鞅的可选标样定理。     

序凸集与锥的正规性

研究了序凸集的一些运算性质,得到了紧序凸集的序端点表示定理．定理2紧序凸集是其所有序端点的序凸包．还利用序凸集给出了正规锥的两个特征性质．定理3实Banach空间E的锥P是正规的当且仅当E的任何有界集的序凸包是有界的．定理4实Banach空间E的锥P是正规的当且仅当E是局部序凸的,即E有一个序凸的零点邻域基．     

Fuzzy导集算子与Fuzzy拓扑

在Ｉ＾Ｘ上,定义了Ｆｕｚｚｙ半导集算子与Ｆｕｚｚｙ导集算子,讨论了它们与拓扑的关系,借助于文献（３）中提出的强导集概念,得到：若ｄ是Ｘ的Ｆｕｚｚｙ导集算子,则在Ｘ上唯一存在一个Ｆｕｚｚｙ拓扑ｆ,使得（Ｘ,Ｆ）是Ｆｕｚｚｙ准Ｔ０空间,且在（Ｘ,Ｔ）中Ｆｕｚｚｙ集Ａ的强导集恰是Ａ在ｄ下的像ｄ（Ａ）。     

粗糙集方法在基于属性分类中的应用

介绍粗糙集基础上的属性分类系统的构造,给出一种数据挖掘中新的分类方法:从初始的数据信息出发,依次构造约简属性集,并对其使用Bayes判别法进行基于属性的分类。最后给出了实例,验证算法的可行性。     

Apriori算法的一种变形

关联规则是数据挖掘的主要技术之一.本文针对目前最经典的关联规则挖掘Apriori算法的局限性,提出了一种只扫描一遍事务数据库的效率较高的Apriori_Tid-1算法,并给出了一个具体的实例,最后给出了该算法的实现.     

基于粗糙集理论的系统建模方法

根据粗糙集理论，提出了粗糙集建模的方法，并给出了建模步骤：首先采集系统的输入输出样本集，建立决策表，然后根据相对约简求出属性的重要性，由其重要性得出决策的最简形式，从而得到系统的粗糙集模型。以线性系统为例建立了粗糙集仿真模型，验证了模型的有效性。仿真结果表明，在开环条件下建立的一阶系统粗糙集模型，能适应于开环和闭环，也能适应于可变的输入信号；二阶系统模型只能适应于建模时的情况。该建模方法可以推广到非线性系统的建模中。     

基于粗糙集理论的复方拆方研究

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具，其主要思想就是在保持分类能力不变的前提下，通过知识约简，导出问题的决策和分类规则．因此，将粗糙集理论引入复方拆方，将有助于从复方配伍的动态性和不确定性的本质上去深入而确切地开展方剂配伍规律的量化研究，从而改变药味与药效之间的分离状态．     

基于Vague集模糊推理的多评价指标模糊决策方法

提出一个基于Vague集模糊推理的多评价指标模糊决策方法，并从基于Vague集的模糊推理的观点看待模糊决策问题．将评价指标和侯选方案之间的关系用一组基于Vague集的推理规则来表示，将决策者的要求用一组Vague集来袁示，经过模糊推理等过程最后得到决策结果