基于目标信息系统学习的多准则决策方法

给出目标信息系统学习的多准则决策方法，建立多准则决策的规则学习模型，讨论该模型的性质。该模型优于Z．Pawlak方法，将规则提取与信息融合为一体。也优于AHP等模型，具有简洁性．通过实例计算，取得了满意结果。     

概念格的规则约简与属性特征

在研究了概念格形成的偏序结构的基础上，引进了由两个形式背景形成的决策形式背景，讨论了外延集类上等价关系和交一致关系，给出了决策形式背景下规则提取与属性约简方法．同时对于在规则约简中起不同作用的属性，区分了核心（存在于任何约简中）、相对必要属性（存在于某些约简中）和不必要属性（不存在于任何约简中），给出了各类属性的特征和判别方法．这些方法为概念格规则提取的启发式算法打下了基础．     

区间数排序的包含度度量及构造方法

本引用包含度和偏序包含度概念，指出[1]、[2]、[3]的可能度是一种区间数的包含度。在此基础上，利用三角模构造了一类偏序包含度，建立了区间数比较的包含度构造方法，并用各种包含度对[1]的算例进行排序，取得满意效果。     

模糊信息系统属性重要性度量

利用包含度工具将粗糙集方法应用在模糊信息系统中,给出了模糊信息系统中属性重要性度量计算方法,通过举例说明了[3]中关于属性重要性度量概念的局限性。     

基于粗糙集方法的概念格理论研究综述

概念格与粗糙集理论是软计算领域的两种不同方法,它们都在数据挖掘、知识工程、信息检索、人工智能、系统分析与管理决策等领域有重要应用。在介绍概念格基本概念的基础上,对近年来借助粗糙集方法研究概念格的粗糙集近似扩充、概念格的约简理论与方法、变精度概念格及基于概念格的模糊推理、概念粒计算系统的数学模型及迭代算法等方面进行了综述,并提出了进一步研究的问题和方向。