A Project Risk Ranking Approach Based on Set Pair Analysis

Set Pair Analysis （SPA） is a new methodology to describe and process system uncertainty. It is different from stochastic or fuzzy methods in reasoning and operation, and it has been applied in many areas recently. In this paper, the application of SPA in risk ranking is presented, which includes review of risk ranking, introduction of Connecting Degree （CD） that is a key role in SPA., Arithmetic and Tendency Grade （TG） of CDs, and a risk ranking approach proposed. Finally a case analysis is presented to illustrate the reasonability of this approach. It is found that this approach is very convenient to operate, while the ranking result is more comprehensible.     

基于粗糙集理论的知识库分解与规则获取

粗糙集理论可以通过对数据的约简从例子中学习,获取决策规则。但是,当知识库规模较大、条件属性个数较多时,存在提取规则速度慢、规则长度长等缺点。本文介绍了粗糙集理论的基本概念,提出了一种基于粗糙集的知识库分解算法。首先引入决策属性支持度的概念,在此基础上定义了一个属性选择量度,选择最佳目标属性对知识库进行分解,直到所有对象都被精确分类,从而得到具有一定支持度的规则集,得到的规则长度短,提取速度快。通过对一个简单实例的分析,证明了该算法的可行性。     

一种ARM处理器仿真器的设计

介绍了目前流行微处理器仿真技术,在此基础上提出了用面向对象语言(java)实现ARM处理器的仿真的设计思路。把软件仿真处理器划分为5个部分:指令集仿真,MMU仿真,CACHE仿真,流水线仿真,处理器内部寄存器仿真。重点介绍了指令集,MMU和流水线仿真的设计思路。     

最大公因数闭集上平方矩阵的行列式的整除性

设S={x1,…,xn}是由n个不同正整数组成的最大公因数闭集．得到的主要结果是：（1）如果n≤3，则det（S）n^2整除det[S]n^2；（2）如果max{xi si∈S}〈12，则det（S）n^2整除det[S]m^2；（3）当n=4时，存在最大公因数闭集．S，有det（S）n^2不整除det[S]n^2．     

双枝模糊集并-表现定理

建立了双枝模糊集并-表现定理，讨论了双枝模糊集的运算性质.结果表明：双枝模糊集表现定理是单枝模糊集表现定理的一般形式，单枝模糊集表现定理是双枝模糊集表现定理的特例.     

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．     

基于模糊集和粗糙集理论的故障诊断方法的研究

概括介绍了模糊集粗糙集的基本理论,对基于它们的故障诊断方法进行比较,并提出在故障诊断方法中一些可能的研究方向。     

核心元素的特征及其在决策树生成中的应用

利用粗糙集约简的辨识矩阵，给出属性是核心元素的充要条件为该属性是辨识矩阵中单元素集．利用上近似与下近似给出了判断是否核心元素的两个充分条件，指出利用核心元素简化决策树比用熵函数ID3方法简化的决策树更简单．     

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.     

一种改进的Rough集属性约简启发式遗传算法

属性约简是知识发现中的关键问题之一 .为了能够有效地获取决策表中属性最小相对约简 ,提出了一种在优化初始群体基础上提高算法性能的启发式遗传算法 .首先 ,通过构造一个新的算子 ,将信息论角度定义的属性重要性度量作为启发式信息 ,来描述所选择的属性子集对论域中确定分类子集的影响 ;接着 ,以此为基础并结合遗传算法 ,选择一些经过优化的染色体作为初始群体 ,在加强局部搜索能力的同时保持了该算法全局寻优的特性 .最后 ,从理论上对算法做了分析 ,证明了新算子所选择的属性子集对原有属性分类能力保持不变 .试验分析表明 ,该算法能有效地对决策表属性进行约简