一种基于聚类的粗糙集连续属性的离散化算法

粗糙集理论是一种新的处理不精确、不完全与不相容知识的数学工具。粗糙集理论只能对离散属性进行处理，而不能处理连续属性。中针对这一缺陷，利用连续数值属性有序性的性质和统计方差理论，提出了一种基于聚类的连续属性离散化算法。运用典型数据将本算法与现有方法进行了比较分析，得到了满意的结果。     

基于粗糙集理论的数据挖掘方法在电子商务中的应用

介绍了一种基于粗糙集理论提取关联的数据挖掘方法：并给出它在电子商务中的应用以及数据挖掘的全过程和示例，指出作为一种决策支持技术，它可以用来提高企业的决策效率和决策可信度，从而为企业赢得一定的竞争优势。     

双半环的粗糙性质

在双半环上引入了粗糙集并研究了粗糙子双半环,利用双半环的非空子集上关于同余关系的上、下近似,给出了双半环的粗糙子双半环的定义,证明了双半环的子双半环一定是双半环的子双半环,理想一定是粗糙理想。     

基于粗糙集和群决策的配煤中心选址模型

为实现配煤中心的合理有效选址,综合考虑建设成本、运营费用、大面积土地可得性、大面积土地地理位置、交通便利性、自然条件、社会负效应、煤炭储运资源利用等定性、定量要素,基于粗糙集、群决策特征根理论及目标规划方法,建立配煤中心选址综合评价模型。实例分析表明,运用该模型确定的配煤中心选址方案科学合理,为选址决策提供了依据。     

矩阵乘积关于广义逆的交换律及广义交换律

定义了两个矩阵乘积关于广义逆的交换律与广义交换律的概念,利用矩阵秩方法及奇异值分解分别研究了两个矩阵乘积关于{1}-逆,{1,2}-逆,{1,3}-逆与{1,4}-逆的交换律与广义交换律成立的充要条件,并对其进行了比较.     

基于改进Leader算法的Web存取模式的聚类

介绍了一种新颖的Web存取模式的聚类算法,该算法是一种结合粗糙理论和模糊理论的改进Leader算法,既体现了粗糙理论和模糊理论在处理含有不确定信息问题上的优势,同时使用了Leader算法进行聚类以提高算法的时间复杂度,从而在Web存取模式的聚类中的聚类的时间花费是令人接受的而且聚类结果是相对满意的。通过实例分析及实验结果,该算法是行之有效的。     

广义粗集的公理化

粗集理论在数据挖掘等领域得到了广泛的应用，对粗集理论进行推广可得到各种广义粗集。该文研究了广义粗集的多个公理组，证明了公理组中各公理的独立性，并给出了普通粗集理论的另一个公理组，它有4条相互独立的公理组成。     

高型粗糙模糊集及高型模糊粗糙集

定义了L型粗糙模糊集（L型RF集），给出了其相关性质，进而引进了高型粗糙模糊集（高型RF集），它比普通的RF集具有更高层次的粗糙模糊性，可用于人们对粗糙模糊现象的描述，增强人们对自然语言的表达能力，平行地，最后研究了高型模糊粗糙集（高型RF集）。     

利用马氏链来分析粗集的动态变动

将马氏链的方法用于分析粗集的动态变动过程，为数据的动态处理提供了一种较为恰当的方法，最后给出了应用的实际背景及实例．     

模糊粗糙集的格结构

定义了模糊集合的上、下近似算子，讨论了其代数结构.证明了模糊粗糙集理论中全体可定义集合构成一个完全分配格，给出了生成这一完全分配格的元素的集合并讨论了其基本性质.