基于遗传算法的数量属性离散化算法

提出了在没有任何领域知识可供借鉴的情况下，基于聚类思想，利用遗传算法对数量型属性进行离散化的新算法——遗传C均值算法．该算法利用遗传算法具有全局寻优的特性，对训练样本根据其每一属性值进行聚类，将样本划分为不同的类，从而为每一属性找到其值的最佳分割点．然后，对不同类赋以不同的编码．该算法的优点是能得到最优的离散化结果．在VC 6．0环境下实现了该算法．仿真实验证明该方法有效解决了利用粗糙集理论进行分类规则挖掘时，数量型属性的离散化问题。     

装载机故障诊断属性约简算法

为了提高以先验知识进行智能诊断的效率,对粗糙集理论的约简算法进行了研究,提出了基于可分辨矩阵一种改进的属性约简算法,将其应用于装载机故障诊断决策表的属性约简.实践证明该算法对属性约简是有效的.     

直觉模糊集的截集

首先指出一个直觉模糊集是L-模糊集且X上所有直觉模糊集的集合是一个完备格．其次,分别给出了直觉模糊集截集、直觉集合套的定义;讨论了有关直觉模糊集截集的性质．在此基础上,给出了直觉模糊集的分解定理和表现定理．最后,讨论了直觉模糊集截集与直觉模糊子群的关系,证明了A是群G的一个直觉模糊子群的充分必要条件是A的截集是G的一个子群．     

非负对策乘积的解结构

本文首先给出非负n人合作对策的乘积的概念,在此基础上研究非负n人合作对策的乘积的几种解的结构,并得到了非负n人合作对策乘积的解的一般表达式。     

广义M-集周期芽苞Fibonacci序列的拓扑不变性

研究了复映射z←zα+c(α<0)所产生的广义Mandelbrot集,利用逃逸时间算法绘制广义M集混沌分形图谱,经大量计算机数学实验,得知逃逸区嵌于稳定区中,并由此得出稳定区的周期数·同时利用代数方程解出周期芽苞的数量及位置,为更好的了解M集的结构提供了理论依据·另外作者发现M集周期芽苞的Fibonacci序列的拓扑不变性,并在目前公认的通向混沌的三种途径的基础上,阐述了Fibonacci序列是通向混沌的又一途径,为建立新的数据加密、压缩、存储等方法提供了理论基础     

粗糙模糊集的贴近度

讨论了粗糙模糊集 (RF集 )的性质 ,并在此基础上 ,定义了粗糙模糊集的贴近度 .基于定义 ,分别给出了粗糙模糊集的距离贴近度 ,最小最大贴近度 ,最小平均贴近度以及格贴近度 .     

L^p（R^n,μdx）中加权极大算子Mω的弱型估计

相当Ap类,本文对固定的权函数ω,引入Ap(ω)类.我们证明了加权极大算子Mω在Lp(Rn,μdx)中成立弱型不等式μ({x ∈ RnMωf(x) ＞λ}) ≤C/λp∫Rn |f(x)|pμdx (1＜p＜∞).     

一种基于粗糙集的单一属性分类的约简方法

粗糙集的应用中,对象集通常具有数量大、属性多、单一属性分类大的特点,这是在已有知识基础上提出规则时所遇到的3个主要问题,针对其中单一属性分类的约简问题提出了一种新的方法,它采用了先合并分解再综合的思想简化问题的求解,能快速有效地发掘信息中蕴涵的规则。     

一种改进的人力资源价值灰色评价方法

传统的人力资源评价方法简单直接,但过分依赖于人的主观判断与经验.提出了一种改进的灰色评价方法,该方法首先利用粗糙集原理对初选的指标进行筛选,从而避免了指标选取时的主观性.再计算各指标的权重,进而建立了灰色综合评价模型.最后通过算例说明了方法的有效可行.     

知识测度

在知识库中引入勒贝格测度，定义了知识测度和知识可测，对比勒贝格测度研究了知识测度的性质，并得出了波雷耳集与知识可测集等价等强于勒贝格测度的性质，证明了知识外内测度刚好是知识上下近似的体积，知识可测与知识可定义等价的测度与粗糙集的深刻联系，并由此研究了知识精细关系下近似集与知识测度的性质。