学生综合测评模型及其简化—Rough集理论的应用

基于Rough集理论，叙述了信息系统及其属性的简化，族简化、核和决策规则等概念，在此理论基础之上建立学生综合测评模型，利用此模型及其简化模型的算法为学生综合测评开发一个综合测评子系统。     

基于ROUGH集方法决策规则的全局补偿及其在手写识别中的应用

对于经典Rough集理论中某一类决策或模式识别问题，其样本空间或决策表中客观存在的任何两个样本实例体现的决策规则不可能完全相同。本文对此进行了讨论并提出了RS邻域拓展的全局补偿RS方法。基于上述方法对脱机手写识别英文字母的模板匹配算法进行了优化，说明了其有效性。     

基于偏序关系的Rough集模型及其应用

在标准Rough集理论的指导下，利用偏序关系性质构造了不同分类，并以此为基础探讨了上、下近似集，从而构建了基于偏序关系的Rough集模型。新模型将Rough集理论的应用范围由等价关系扩展到偏序关系。为了更好地增强模型的实用性和灵括性，一方面从程度、精度、概率等角度出发分别对其进行了扩展，另一方面引入依赖度使其适用于研究各种非严格的偏序关系。给出了实例分析，并结合现实生活中的现象阐述了模型的应用价值。     

Rough隶属函数关于集合并与交的一种高精度计算方法

近些年来，许多处理近似问题的方法陆续被提出，其中利用Rough集理论计算两个集合的并和交的Rough隶属函数方法是被用较多的一种方法，但毕竟该方法精度较差。为此，介绍了一种精度较高的计算两个集合的并和交的Rough隶属函数方法，它克服了前者利用Rough集理论计算Rough隶属函数的复杂性，而迎来了简单和高精度的特点。     

Rough集中不一致决策表的一种处理方法

Rough集理论在对不一致决策表的处理上一直是较为困难的问题。给出一种处理不一定决策表的方法，可将原决策表加工成为人们决策时满意的决策表。     

覆盖广义Rough集中的隶属关系

对覆盖广义Rough集中的隶属关系、隶属函数进行了定义，并利用隶属函数定义了集合的Rough包含与Rough相等，得到一些与Pawlak的Rough集不同的性质。     

完备格上的广义Rough集模型

基于way-below关系和弱way-below关系,在具有逆合对应的完备格上建立了广义Rough上下近似算子,研究了它们的基本性质,并说明本文提出的广义Rough集模型是Pawlak标准粗糙集的推广.同时,在De Morgan代数上建立了广义Rough上下近似算子,给出了相应的基本性质.     

基于DSM的知识约简方法研究

根据对象属性的差异性与相似性，以及对DSM(difference-similitude matrix)矩阵元素m^dij，m^sij；的特性分析，定义了属性的重要度和合并度，给出了最佳属性约简集的修正子集的求解方法，从而提出了基于：DSM的知识约简方法，该方法能在保证规则相容的情况下生成少量规则，同时只使用部分条件属性。通过约简UCI机器学习数据库，并与粗集理论约简的结果比较，表明了该方法的合理性和有效性，并在约简效率和规则的正确率上都要好于粗集理论。     

有序二叉决策图在防火墙规则库设计中的应用

在防火墙规则库的设计中利用有序二叉决策图（ordered binary decision diagram，OBDD）来表示防火墙的访问控制规则集，改变了传统的顺序存储规则的规则库设计方法，以增加预处理时间为代价，有效地提高了规则的匹配速度，从而提高了防火墙的性能及其安全性．     

基于Rough集的Web页面信息的提取模型及页面近似度比较

将Rough集理论应用于web信息提取模型,从而将结构含糊的Web资源,转换成了结构化信息,并以“法律”关键词搜索的Web网页为例,量化在特定标签属性上进行全文搜索的结果页面与关键词之间的近似程度。     

多元组粗糙集合在规则生成中的应用

多元组粗糙集合是对传统粗糙集合的一种推广,它具有比传统粗糙集合描述更直接,更方便等优点,并能导出决策表中相应的确定规则,可能规则和否定规则,通过比较发现它能有效的提高规则生成效率,文中所给出的算法特别适合于具有重复元组的决策表。     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

基于粗糙近似的Web事务聚类改进算法

针对现有Web使用记录挖掘方法发现的知识和规则存在不精确或不完全的问题,提出了一种改进的基于粗糙近似的Web事务聚类算法.该算法首先对原有算法得到的每个类,用关系矩阵找出在这个类中不满足传递性的对象,然后在该对象的集合(类)上用关系矩阵找出在这个类中不满足传递性的对象,再对每个类进行分割,使其满足关系R的传递性,克服了现有算法不满足关系的传递性和在某些情况下得到的结果不准确的缺点.     

基于相关性度量的关联规则挖掘

传统的关联规则挖掘方法容易生成一些无用规则,甚至生成误导规则,也不能区分正负关联规则.通过相关性度量,建立了基于相关性度量的兴趣度模型,并利用兴趣度模型改进了关联规则算法,最后,通过实例验证了此算法不仅能够避免生成无用规则和误导规则,还能生成一些感兴趣的负关联规则.     

自适应推理的知识求精

简要分析了传统的决策支持系统中的自适应知识库求精问题,提出了一种基于神经网络块间联系的规则的自适应推理知识求精算法.该算法能够有效地检查知识的一致性与相容性,及时发现并排除知识库知识之间的冗余和矛盾.该算法能够更好支持决策过程.     

分布式异构数据库中相关规则并行开采研究

首先简单介绍了相关规则及其并行开采算法的一些基本情况,然后指出了现有算法在分布式异构数据库中不能有效利用计算资源和造成信息丢失的问题．在证明了一个基本的定理之后,提出了基于ＨＤＤＭｉｎｅｒ模型的异步并行算法,并就其中的一些问题作了说明．最后,介绍了分布式异构数据库中数据开采的并行算法中一些仍需继续研究的问题．     

基于GIS的工程移民安置区选择模糊评价模型

基于GIS和模糊数学理论,提出了工程移民安置区选择评价模型,为移民安置区选择提供了一种新的决策方法.该模型通过采用熵信息论建立了综合考虑主客观影响的复合均权法得到指标的权重,减少了指标权重确定的片面性;并采用GIS空间分析功能生成安置区的备选集,从根本上保证了模糊评价的数据源质量,使得评价结果更加科学准确.最后结合应用示例,对模型进行实例分析,结果表明该模型是有效的.