单向S-粗集对偶与数据筛选-过滤的扩展应用

S-粗集(singular rough sets)是对Z.Pawlak粗集的改进,单向S-粗集对偶(dual of one direction sin-gular rough sets)是S-粗集的基本形式之一。利用单向S-粗集对偶,给出数据属性,数据筛选-过滤概念,数据筛选-过滤序定理,合成数据筛选-过滤定理,及数据筛选-过滤准则。利用这些结果,给出应用。单向S-粗集对偶是动态数据筛选-过滤研究的一个新工具。     

Simulated annealing algorithm for the optimal translation sequence of the jth agent in rough communication

In rough communication, because each agent has a different language and cannot provide precise communication to each other, the concept translated among multi-agents will loss some information and this results in a less or rougher concept. With different translation sequences, the problem of information loss is varied. To get the translation sequence, in which the jth agent taking part in rough communication gets maximum information, a simulated annealing algorithm is used. Analysis and simulation of this algorithm demonstrate its effectiveness.     

Designing a Hybrid Intelligent Mining System for Credit Risk Evaluation

In this study, a novel hybrid intelligent mining system integrating rough sets theory and support vector machines is developed to extract efficiently association rules from original information table for credit risk evaluation and analysis. In the proposed hybrid intelligent system, support vector machines are used as a tool to extract typical features and filter its noise, which are different from the previous studies where rough sets were only used as a preprocessor for support vector machines. Such an approach could reduce the information table and generate the final knowledge from the reduced information table by rough sets. Therefore, the proposed hybrid intelligent system overcomes the difficulty of extracting rules from a trained support vector machine classifier and possesses the robustness which is lacking for rough-set-based approaches. In addition, the effectiveness of the proposed hybrid intelligent system is illustrated with two real-world credit datasets.     

模糊决策方法研究

模糊决策是模糊集合论与决策理论相结合的产物．本文概要讨论模糊决策方法的若干基本问题,包括模糊一致关系,模糊一致矩阵及其应用,广义去模糊机制等．     

基于遗传算法的一种粗糙集知识约简算法

知识约简是粗糙集理论研究的重要内容之一,是在保持信息系统分类能力不变的基础上,删除冗余知识.文中从系统的信息表出发,根据可辨别下三角矩阵,利用遗传算法,提出一种基于遗传算法的粗糙集知识约简算法,并通过实验分析说明,这种算法可以解决现有启发式算法无法解决的部分问题.     

基于多色集合的概念设计产品模型形式化描述

为了实现计算机辅助概念设计,必须对概念设计产品模型进行形式化处理,以获得计算机仿真所要求的数学描述。本文针对现有模型的不足,提出了基于公理化设计的概念设计产品模型-域结构模板,并采用多色集合的方法对其进行了形式化描述,使得模型便于计算机表达和操作。     

广义高斯和分形序列及其M-J集研究

推广了Lakhtakia 和Berndt等的工作,分析了分形(自相似)序列的生成规则,给出了二次高斯和所生成的分形序列的标度及维数.利用逃逸时间算法,构造了广义高斯和的Mandelbrot-Julia集(M-J集),并从理论上分析了M-J集的周期性和结构特征.结果表明:M-J集由许多螺旋状的花束构成,这种结构在不同水平上嵌套出现,体现了明显的自相似分形特性;随指数值增大,M-J集中的精细花瓣结构增多并趋于复杂;J集在x轴方向上具有周期性.本研究成果有助于理解广义高斯和的动力学性?     

粗糙Vague集及其相似度量

对粗糙集和Vague集的概念、知识表示方法进行了研究,提出了粗糙Vague集的概念．研究了粗糙Vague集的相关性质,提出了粗糙Vague集相似度量的方法．     

汉密尔顿回路逻辑程序的两个结果

基于回答集语义的逻辑程序提供了描述性问题求解的范例,而逻辑程序的一阶环公式提供了计算回答集的新方法——自动定理证明.本文研究了汉密尔顿回路逻辑程序的一阶环公式,证明了计算汉密尔顿回路的有助于提供计算效率的两个主要结果.     

偏序内P-集合模型及其特征

利用层次内P-集合理论,研究层次内P-集合基于依赖关系偏序性质,研究层次内P-集合元素间的关系以及普通P-集合与层次P-集合的关系.层次P-集合是普通P-集合的扩展,提供了多角度、多层次分析和研究问题的方法.