一个广义Rough集模型及其性质

在传统Rough集理论基础上建立了一个广义Rough集模型，并研究了它的有关性质。     

知识论域、知识拓扑与集合邻域

定义了知识论域和知识拓扑，组建了4种拓扑空间，分析了它们的联系．从拓扑算子与近似算子的复合、近似邻域、拓扑不变性质3个方面研究了各个拓扑空间的性质，提出了集合邻域的概念，研究了它与点邻域的深刻联系和对一般拓扑空间的作用，并以它为手段研究了新组建的拓扑空间．     

剩余半坡

本文提出半坡(p,+,·),在半坡上引进算子“∝”,“■”,得到的代数系统(p,+,·,∝,■)称为剩余半坡,本文给出剩余半坡p的一些基本性质,且证明了(Mn(p),+,·)是剩余半坡。     

决策表的分布约简和严凸函数下约简的等价性

用严凸函数定义决策表的属性约简，证明用严凸函数定义的属性约简同分布约简是等价的，给出严凸函数定义的相对约简的一个判定定理。     

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）。     

基于粗糙集理论的模糊信息分类方法

介绍了属性约简的概念,并用模糊语义距离矩阵解决了含有模糊数据的相互依赖的数据库的信息分类问题。     

动态模糊逻辑及其应用研究

对动态模糊逻辑及应用进行了研究 ,以实例说明了自然界中的动态模糊性问题找到了解决途径 ,同时为人们用计算机模拟人的思维提供了理论依据     

基于互信息的粗糙集信息检索模型

在信息检索过程中，由于文档中存在大量的多义和近义现象，导致不确定性出现，这将影响检索的性能.为此采用基于互信息的粗糙集理论来处理这类不确定性问题.首先计算训练文档集中的词之间的互信息，对互信息做模糊聚类来构造词之间的等价关系，然后借助于该等价关系提出并实现了一个以粗糙集上下近似为基础的信息检索模型，通过实验的测试，该模型能够提高信息检索的效率.     

基于案例推理中特征权重自动学习方法研究

讨论基于案例推理中特征权重的自动学习方法．通过分析现有的一种利用粗糙集理论进行权重自动学习的算法，指出了该算法中存在的一些问题，最后提出了一种改进的权重自动学习算法，并通过实例对两种算法进行了比较．     

广义粗糙集理论的公理化注记

首先回顾了粗糙集理论的代数表示,给出代数表示与公理化算子的相互关系.特别地,给出了广义粗糙集模型的公理化等价表示.