IFS-BN结合的辐射源威胁评估方法

针对辐射源威胁评估实时性、复杂性和信息不确定性的问题,将直觉模糊集与贝叶斯网络相结合,提出一种基于IFS-BN的辐射源威胁评估方法。IFS-BN算法通过直觉模糊集刻画贝叶斯网络的节点信息,充分描述节点信息的确定性,不确定性以及犹豫度。同时,将直觉模糊集求得的各辐射源先验概率代入贝叶斯网络模型之中,得出后验概率进行威胁等级排序,并在此基础上建立了相应的评估指标体系。仿真分析表明,算法具有较好的可行性与有效性。与经典贝叶斯网络评估方法相比,IFS-BN算法的结果更加客观合理。     

强伪凸函数的某些性质

强伪凸函数是凸函数的重要推广函数之一。文中在给出强伪凸函数定义的基础上讨论了它的一些性质,另外还给出了它与强凸函数之间的关系。     

粗可能性测度

给定模糊可测空间(X，A)及(X，A)上的可能性测度，通过应用粗集理论，将可能性测度Ⅱ和模糊糊积分分别扩充至P(X)和F(X)上，从而引入粗可能性测度的概念。     

L-smooth s-远域及网的s-收敛性

在L-smooth拓扑空间中借助于L-smooth半闭集给出了L-smooth s-远域、s-附着点、s-聚点等概念,进一步讨论了网的s收-敛,并研究了它们的一些基本性质.从而,丰富了已有的结果.     

点态化Fuzzy域及其性质

本文从点的角度重新定义了Ｆｕｚｚｙ域，并讨论了它的一些性质。     

非线性抛物型方程的耗散性和渐近性

利用能量积分、Ｐｏｉｎｃａｒｅ不等式和Ｓｏｂｏｌｅｖ空间的迹定理，证明了两类非线性抛物型方程在非线性Ｎｅｕｍａｎｎ边界条件下的吸收集的存在性，并给出了一类拟线性抛物型方程在齐次Ｎｅｕｍａｎｎ边界条件下的渐近估计     

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。     

基于分布约简的获取规则的增量式方法

根据粗糙集的理论,在信息系统中使用了分布约简的概念,并利用相应的可辨识属性矩阵,提出了一种在决策表中获取规则的增量式方法,该算法对决策表中出现的各种新对象进行分析,在原有的分布约简的基础上进行增量式更新,从而避免了重新计算.     

不一致决策表的分配序约简

在不一致决策表中定义了分配序约简，给出分配序一致集的判定定理。通过定义分配序区分矩阵给出求分配序约简的区分矩阵法。为克服区分矩阵法时间复杂度随系统大小的增加而指数增长的缺陷，通过定义属性的相对重要性，提出一种求分配序约简的启发式算法。通过实例分析说明启发式算法的有效性，为从不一致决策表中获取知识提供了一种有效方法。     

知识发现中概率统计与粗集方法的比较

对知识发现中,概率统计方法与粗集理论方法在评价系统参数的重要性,分类隶属度与条件概率,输入条件与决策结果的依赖关系等方面进行了比较, 提出了将概率统计方法和粗集理论相结合,由确定性粗集的近似空间扩展到了不确定性的概率粗集的近似空间,为确定性和不确定性知识表达系统提供一个统计粗集模型。