基于可拓集的可拓分类知识获取研究

以可拓集理论为依据,给出基于可拓变换的可拓分类知识的定义,并在信息元集和评价信息元集的基础上,探讨可拓分类知识的获取方法,包括质变域知识的获取、量变域知识的获取和有关拓界的知识的获取.这是可拓数据挖掘的主要内容之一,为从数据库中获取变化的分类知识提供了新的思路.     

物元可拓集集合性质研究

在可拓集合概念基础上,提出了向量可拓集和区间可拓集概念,研究了物元可拓集合的交、并、求补等集合运算及其性质.     

模糊可拓集的构建

本文研究模糊可拓集的建构.     

可拓积分的极限定理

在可拓集合论、可拓测度论的基础上给出了可拓积分的概念，讨论了它的三个性质，并研究了可测函数的可拓积分的极限定理．     

可拓数据挖掘研究进展

可拓学研究用形式化模型解决矛盾问题的理论与方法,可拓数据挖掘是可拓学和数据挖掘结合的产物,它探讨利用可拓学方法和数据挖掘技术,去挖掘数据库中与可拓变换有关的知识,包括可拓分类知识、传导知识等可拓知识.随着经济全球化的推进,环境的多变促使了信息和知识的更新周期缩短,创新和解决矛盾问题越来越成为各行各业的重要工作.因此,如何挖掘可拓知识就成为数据挖掘研究的重要任务.研究表明,可拓数据挖掘将具有广阔的应用前景.将介绍可拓数据挖掘的集合论基础、基本知识和目前研究的主要内容,并提出今后需要进一步探讨的问题及其发展前景.     

基于可能度和集对势的区间数地铁施工风险控制与预警模型

首先从施工管理、周边环境、施工技术、施工人员四个方面构建了一个地铁施工风险控制评价指标体系;接着利用可能度公式构造可能度矩阵即可求解各评价指标的权重值;然后通过集对分析理论与方法建立数学模型计算各个风险指标的集对势并设置风险控制满意程度的预警阈值.施工管理人员根据计算各指标的集对势判断风险控制是否满意,一旦数据偏离预警阈值,管理人员应及时组织专家进行风险排查并采取果断的有效措施进行处理从而达到一有风险就能及时预警的目的.     

一类物元可拓集的性质研究

提出了物元等价类概念,并利用子集合X和属性子集R对物元集合S(U,A,V,f)在集合论域U上构造了一类可拓集合A~,并讨论了A~关于X和R的一些相关性质.     

关于可拓测度的研究

以一新的形式给出可拓测度及 Pλ(· )可拓测度的概念 ,并研究它的性质     

可拓集合及其应用研究

介绍了扩展的可拓集合概念 ,提出了可拓集合论需要进一步研究的内容 ,并综述了可拓集合在人工智能、市场、资源、检测和控制等领域的应用 .     

多评价特征基元可拓集研究

在单评价特征基元可拓集的基础上,研究多评价特征基元可拓集的构造方法及其关联函数的建立方法,为多特征综合评价和多特征不相容问题求解提供理论依据和可操作的形式化、定量化方法,使多特征不相容问题的智能化处理成为可能.     

Banach空间上集值测度与模糊数测度的扩张

在Banach空间上,给出集值测度的扩张定理并借助集测度的扩张给出了模糊数测度的扩张定理。     

Rainbow Connection Number and Independence Number of a Graph

A path in an edge-colored graph is called rainbow if any two edges of the path have distinct colors. An edge-colored graph is called rainbow connected if there exists a rainbow path between every two vertices of the graph. For a connected graph G, the minimum number of colors that are needed to make G rainbow connected is called the rainbow connection number of G, denoted by rc(G). In this paper, we investigate the relation between the rainbow connection number and the independence number of a graph. We show that if G is a connected graph without pendant vertices, then \(\mathrm{rc}(G)\le 2\alpha (G)-1\). An example is given showing that the upper bound \(2\alpha (G)-1\) is equal to the diameter of G, and so the upper bound is sharp since the diameter of G is a lower bound of \(\mathrm{rc}(G)\).     

Rainbow Connection Number and Radius

The rainbow connection number, rc(G), of a connected graph G is the minimum number of colours needed to colour its edges, so that every pair of its vertices is connected by at least one path in which no two edges are coloured the same. In this note we show that for every bridgeless graph G with radius r, rc(G) ≤  r(r + 2). We demonstrate that this bound is the best possible for rc(G) as a function of r, not just for bridgeless graphs, but also for graphs of any stronger connectivity. It may be noted that for a general 1-connected graph G, rc(G) can be arbitrarily larger than its radius (K _1,n for instance). We further show that for every bridgeless graph G with radius r and chordality (size of a largest induced cycle) k, rc(G) ≤  rk. Hitherto, the only reported upper bound on the rainbow connection number of bridgeless graphs is 4n/5 ? 1, where n is order of the graph (Caro et al. in Electron J Comb 15(1):Research paper 57, 13, 2008). It is known that computing rc(G) is NP-Hard (Chakraborty and fischer in J Comb Optim 1–18, 2009). Here, we present a (r + 3)-factor approximation algorithm which runs in O(nm) time and a (d + 3)-factor approximation algorithm which runs in O(dm) time to rainbow colour any connected graph G on n vertices, with m edges, diameter d and radius r.     

Conflict-free Connection Number and Independence Number of a Graph

An edge-colored graph G is conflict-free connected if any two of its vertices are connected by a path,which contains a color used on exactly one of its edges.The conflict-free connection number of a connected graph G,denoted by cf c(G),is defined as the minimum number of colors that are required in order to make G conflict-free connected.In this paper,we investigate the relation between the conflict-free connection number and the independence number of a graph.We firstly show that cf c(G)≤α(G)for any connected graph G,and give an example to show that the bound is sharp.With this result,we prove that if T is a tree with?(T)≥(α(T)+2)/2,then cf c(T)=?(T).     

基于集对分析联系数的信息不完全直觉模糊多属性决策

信息不完全直觉模糊多属性决策是一类不确定性决策问题,其不确定性来自属性权重信息不完全和属性值的直觉模糊数表示.为了系统地刻画直觉模糊多属性决策中的不确定性,避免直觉模糊多属性决策中利用得分函数做决策的片面性和不准确性,可以将信息不完全的权重和直觉模糊数表示的属性值转化成集对分析理论中的联系数,并建立信息不完全直觉模糊多属性决策模型,通过对不确定性进行分析后作出决策.实例应用表明该决策方法具有合理性和可行性.     

几种凸模糊集间的转换关系

在引用扎德所定义的凸模糊集、强凸模糊集、严格凸模糊集等概念的基础上，探讨了这三种凸模糊集间的转换条件，得到凸模糊集与强凸模糊集、强凸模糊集与严格凸模糊集间的等价条件。     

基于集对分析联系数的流动人口与常住人口合成公式与应用

针对流动人口与常住人口应作为一个人口总体对待的问题,提出基于集对分析联系数的流动人口与常住人口合成公式,并把其应用于浙江省主要县(市、区)人口增长与社会消费品零售增长相关系数的分析,结果表明该公式有一定的合理性和实用性.     

可拓集合上的关系

本文给出可拓集合Ｘ到Ｙ上的关系Ｒ的概念，并讨论了可拓集合关系Ｒ的一般性质。     

扩张原理的粗集表示

粗集、模糊集均是处理不确定信息的数据分析工具,是数据挖掘的重要方法.由Zadeh首先提出的模糊扩张原理是模糊集理论的最基本的原理之一,粗集是通过上、下近似算子来发挥作用的.本文讨论扩张原理与粗集上近似之间的关系,证明了扩张原理可以表示成粗集上近似的形式,因此,扩张原理成了粗集与模糊集之间的桥梁.此外,借助粗集上、下近似算子的公理系统解决了扩张原理的反问题.