基于粗糙集理论的一种数据约简算法

Roughsets理论被广泛运用于不确定环境下的信息处理 .基于粗糙集理论的数据约简算法正日益受到计算机科学家和数学家的重视 .笔者探讨了一种生成对称矩阵的约简算法 ,与传统算法相比 ,该方法更易于在计算机上实现     

多项式隐函数在一点邻域里的近似显式算法

利用隐函定理和Ｗｕ－Ｒｉｔｔ方法给出了多项式隐函数在一点邻域内的一种近似显式算法，并给出了根据要求精度计算邻域半径和迭代次数的关系式，使得这种算法的误差具有可控性，计算量小，容易上机实现，在理想的近似参数化及近似定理证明中有进一步的应用。     

NETS OF LF SETS IN LF SUM─TOPOLOGICAL SPACES

ＮＥＴＳＯＦＬＦＳＥＴＳＩＮＬＦＳＵＭ─ＴＯＰＯＬＯＧＩＣＡＬＳＰＡＣＥＳ￥ＺｈｕＭｉｎｇｋｕｉ；ＳｕｎＱｕｎ（ＴｈｅＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ）Ａｂｓｔｒａｃｔ：Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｄｉｓｃｕｓｓｔｈｅｒｅｌａｔｉｏｎｏ...     

Fuzzy随机集强大数定律的推广

在文［１］、［２］的基础上将Ｆｕｚｚｙ随机集的强大数定律推广到Ｆｕｚｚｙ值概率空间。     

Backer问题的─肯定回答(英文)

设f和g是超越整函数，J（f）和J（g）分别表示f和g的Julia集，对有限型超越整函数f和g，J（f）＝J（g），进一步证明了f与g的动力学本质是相同的．     

随机模糊集与随机集

本文研究了三个方面的工作：一是定义了一种模糊集上的可测结构，从而定义了随机模糊集，这些定义都与论域Ｘ上的拓扑结构无关。将通常意义下的集合看成特殊模糊集得到的通常集合上的超可测结构与文（３）中的定义一致；二是给出了随机模糊集、随机集的一些等价条件；三是研究了随机模糊集、随机集的分布与其有限维落影族的关系。     

一种新的规则获取增量式算法

对新增样例给出了新的分类,针对此分类提出了新的规则获取的增量式学习算法DLR I,并就该算法与经典算法的复杂性进行了分析比较,得出增量学习算法较经典算法有较低的时间复杂性,可以有效地提高大型数据库的规则维护效率.     

Robust Predictive Control of Uncertain Systems with Time-delay Using Tight Sets of Predicted States

A robust model predictive control （MPC） algorithm for discrete time linear systems with time-delay （RPC.TDS） subjected to constrained input control is presented, where the polytopic uncertainties exist in state matrices and input matrices. In the algorithm the standard optimization of quadratic objective function has been transformed into optimization of sum of N ＋ 1 upper bounds of the quadratic objective function with respect to N control moves and a state feedback control law, where N is the control horizon. The feasibility of the optimization problem guarantees that the algorithm is robustly stable. The simulation results verify the effectiveness of the proposed algorithm.     

多维动态模糊数据的分解模型研究

对多维数据的研究最大困难在于其数据量十分庞大,数据规模的单纯扩大,往往导致系统的复杂性成倍增加,而且在研究中发现,存在着大量具有“多维性”、“动态性”和“模糊性”的数据.对此,该文基于动态模糊理论,提出了多维动态模糊数据的分解模型,该模型的建立,为人们用计算机处理这类问题提供了理论依据.     

函数S-粗集与它生成的F-遗传规律

利用函数S-粗集,给出系统粗规律的F-生成, F-遗传概念,给出了系统粗规律的F-遗传特性;提出了系统粗规律的F-遗传特性定理,系统粗规律的F-遗传依赖于属性集α上的属性补充，并提出了系统粗规律的F-遗传的属性特征定理.利用这些讨论,给出了依赖于F-遗传的规律挖掘.