粗糙函数依赖的近似度量

为了发现粗糙关系数据库中潜在的和有趣的模式,提出并研究了粗糙函数依赖的近似度量和精确度量。首先,对于关系数据库的近似度量及其满足的性质进行了研究,在此基础上提出了粗糙关系数据库（Rough Relational Database,简称RRDB）的近似度量及精确度量,对该两种度量进行了形式化定义,并且进一步研究了他所满足的性质,给出了相应的实例。该度量的提出及其性质的研究有利于粗糙关系数据库的知识发现及数据查询的研究,并且进一步扩大了粗糙关系数据库的研究领域。     

位模式下粗糙函数依赖近似度量的研究

利用粒计算位模式方法对粗糙关系数据库（Rough Relational Database,RRDB）的粗糙函数依赖的度量问题进行研究。首先对粗糙函数依赖、RRDB中粗糙上下近似进行了分析,然后利用位模式表示粗糙关系的属性值,在此基础上给出了位模式利用粒计算方法对粗糙函数依赖进行度量的模型,并研究了其满足的性质。     

粗糙关系数据库空间结构及其粗糙集模型

粗糙关系数据库模型从本质上来说就是多值信息系统,它继承和扩展了经典的粗糙集理论,但与经典粗糙集理论又有着很大的不同。该文扩展了多值信息系统模型的定义,分析了粗糙关系数据库模型的空间结构,为粗糙数据库的不确定性进行度量提供一个依据,同时通过对粗糙关系数据库空间结构的分析,导出了基于粗糙关系数据库的上、下近似以及值约简,进一步基于粗糙关系数据库的空间结构定义了属性集之间的部分、传递依赖关系和粗糙关系数据库的规范,定义粗糙关系数据库的连接算子,并以此为基础得出了粗糙关系数据库的关系模式分解定理,为粗糙关系数据库模型的进一步研究提供了理论基础。     

粗糙逻辑中理论相容性的拓扑刻画

有关文献将计量化方法应用于粗糙逻辑之中,建立起了用以处理近似推理问题的粗糙逻辑度量空间理论。拟借助于粗糙逻辑度量空间理论,从拓扑学的角度给出粗糙逻辑理论相容性的等价刻画。     

模糊知识粒度计算与应用

根据自反模糊关系,将知识粒度的概念推广为模糊知识粒度.考虑传统模糊粗糙集的粗糙性度量和相似性度量,忽略了模糊集的粗糙近似处于不同知识粒度背景中这样一个重要因素,结合模糊知识粒度的计算,提出了模糊粗糙集的粗糙性度量和相似性度量的新方法.最后,在一个实际的模糊信息系统中,给出了基于模糊知识粒度的知识约简算法.     

基于局部密度自适应度量的粗糙K-means聚类算法

通过引入上、下近似的思想,粗糙K-means已成为一种处理聚类边界模糊问题的有效算法,粗糙模糊K-means、模糊粗糙K-means等作为粗糙K-means的衍生算法,进一步对聚类边界对象的不确定性进行了细化描述,改善了聚类的效果。然而,这些算法在中心均值迭代计算时没有充分考虑各簇的数据对象与均值中心的距离、邻近范围的数据分布疏密程度等因素对聚类精度的影响。针对这一问题提出了一种局部密度自适应度量的方法来描述簇内数据对象的空间特征,给出了一种基于局部密度自适应度量的粗糙K-means聚类算法,并通过实例计算分析验证了算法的有效性。     

粗糙逻辑的计量化研究

将计量化方法引入到粗糙逻辑的研究当中,在一种典型的粗糙逻辑[LR]中引入了公式的粗糙真度概念。在此基础上,提出了公式之间的粗糙相似度、粗糙伪距离等概念,得到了粗糙逻辑度量空间。在粗糙度量空间中提出了两种不同的粗糙近似推理模式。这一结果实现了粗糙集与计量逻辑学这两种不同的处理近似问题理论的融合,同时对进一步丰富基于粗糙集的近似推理有一定启示。     

粗糙Vague集（值）相似性度量的一种新方法

对粗糙集和Vague集的概念、知识表示方法进行了讨论,把粗糙集和Vague集进行了融合,描述了粗糙Vague集概念,给出粗糙Vague值的相关概念及其相似性度量的一种新方法,研究了粗糙Vague集的相关性质及其相似性度量的方法。     

层次粒结构下粗糙模糊集的不确定性度量

众所周知,经典粗糙集的不确定性来自于边界域,但是对于粗糙模糊集来说,其正域和负域中的元素存在不确定性,从而导致粗糙模糊集的不确定性不仅来自于边界域,还来自于正域和负域。另外,在粗糙模糊集中,一个模糊概念可以通过层次粒结构中不同的粗糙近似空间进行刻画,随着粒度的变化,模糊概念的不确定性的变化规律如何？对此,文中提出一种基于模糊度的不确定性度量公式,并基于均值模糊集分析了粗糙模糊集模型,得出粗糙模糊集不确定性度量的模型同样适合于度量概率粗糙集的不确定性的结论。其次,采用基于模糊度的不确定性度量方法,揭示了分层递阶的多粒度空间下粗糙模糊集不确定性的变化规律。然后,分析了3个域(正域、边界域和负域)的不确定性,并揭示了它们在分层递阶的多粒度空间下的变化规律。最后,通过实验验证了所提不确定性度量理论的有效性。     

模糊指数熵组合方法的信息系统不确定性度量

在智能信息处理的研究中,信息系统的不确定性度量大多基于单一的度量方法,这样很难达到很好的度量效果。为了融合多种不确定性度量方法的优点,通过将粗糙集理论中代数视角的粗糙度度量和信息论视角的模糊指数熵度量结合起来,提出一种信息系统的组合度量方法,接着分析了所提方法的相关性质,并从理论角度证明了该方法运用于不确定性度量的可行性。UCI数据集的实验结果表明,组合度量方法相比单一度量具有更优越的度量效果。     

基于关联熵系数的粗糙Vague集相似性度量方法

粗糙Vague集是将粗糙集和Vague集理论相互融合以处理不确定性信息的一种理论工具。本文在深入研究Vague集及粗糙模糊集的关联熵、关联熵系数及集合相似性度量方法基础上,将关联熵和关联熵系数的概念引入到粗糙Vague集,并详细讨论了它们的主要性质,同时证明了关联熵系数满足粗糙Vague集相似度的定义,可用于粗糙Vague集的相似性度量。最后通过实例验证了粗糙Vague集的关联熵系数用于度量粗糙Vague集之间相似性程度的有效性,该理论为粗糙Vague集相似性度量提供了一种新方法。     

基于TPM的系统综合技术性能评估方法研究

技术性能度量(TechnicalPerformanceMeasure)定义为评估一个系统达到其性能要求程度的度量指标,评估一个系统时可以根据对系统的要求定义若干个技术性能度量指标,这些指标反映了系统各个局部性能状况,却没有反映系统整体性能状况。本文在探讨技术性能度量(TPM)的基础上,提出了基于TPM的技术性能综合度量指标的概念,在分析的基础上提出了对TPM指标的规范化处理和指标综合的方法,结合实例进行了应用分析。     

基于知识距离的粗糙粒结构的评价模型

在粒计算理论中,通过不同的粒计算机制可以生成不同的粒结构。在粗糙集中,对于同一个信息表而言,通过不同的属性添加顺序可以得到由不同的序贯层次结构,即粗糙粒结构。在粗糙粒结构中,不同的属性获取顺序导致了对不确定性问题求解的不同程度。因此,如何有效评价粗糙粒结构是一个值得研究的问题。本文将从知识距离的角度研究这个问题。首先,在前期工作所提出的知识距离框架上提出了一种粗糙近似空间距离,用于度量粗糙近似空间之间差异性。基于提出的知识距离,研究了粗糙粒结构的结构特征。在粗糙粒结构中,在对不确定性问题进行求解时,本文希望在约束条件下可以利用尽可能少的知识空间使不确定性降低达到最大化。基于这个思想并利用以上得出的结论,在属性代价约束条件下,引入了一个评价参数λ,并在此基础建立了一种粗糙粒结构的评价模型,该方法实现了在属性代价约束条件下选择粗糙粒结构的功能。最后,通过实例验证了本文提出的模型的有效性。     

新的模糊粗糙集的模糊性度量方法

研究了模糊粗糙集的模糊性度量方法。首先从模糊集支集的角度,给出了一般模糊关系下模糊集的粗糙隶属函数;在此基础上,设计了一种合理的模糊粗糙集的模糊性度量方法,并对其相关性质进行了详细的讨论。     

一种基于邻域容差信息熵的组合度量方法

在实际应用中,大多数信息系统中的数据都是混合的,为了度量混合信息系统的不确定性,本文提出了一种组合度量方法.首先在不完备邻域粗糙集中定义了混合近似精度和混合近似粗糙度的概念;接着考虑到这两种单一度量方法对信息系统不确定性评估的不足,然后,进一步引入邻域容差信息熵的概念;最后将混合近似粗糙度和邻域容差信息熵这两种单一度量进行结合提出一种组合度量方法,并且研究了相关性质.UCI实验结果表明,本文所提出的方法在混合信息系统中具有更好的不确定性度量效果,从而验证了该度量方法具有一定的优越性,并且从理论上也证明了该方法的可行性.     

粗糙关系数据库的数学基础

在引入粗糙关系数据库（Rough Relational Database,RRDB）的基本概念基础上,分析得出粗糙关系数据库中使用的几个主要数学理论包括等价关系、分解、位模式、粗糙熵及粗糙集理论,并进一步深入研究了这些理论在RRDB中的相关性质,对它们在粗糙关系数据库中的应用进行了探讨。     

软件度量及实施方法

随着现代软件规模的不断扩大,软件度量越来越重要。其主要目的是为各相关组织提供对软件过程和产品更深入的洞察力,这也就使各相关组织能够更好的进行决策并朝着组织目标发展。对于实际的软件项目而言,良好的度量设计以及正确的实施方法才能使软件度量在软件设计中达到控制软件目标的作用。此论文是对软件度量理论的概述并对软件项目度量的实施方法进行了介绍。     

基于形式化UML的教务管理数据库实现方法

利用统一建模语言(UML),实现了从高校教务管理类模式向教务管理关系数据库数据模式的转换.首先,以学籍管理系统为例,用UML的用例图、序列图、类图对其进行了建模.然后,在类的设计过程中,借助面向度量的UML的代数表达框架,检测了一些类模式的设计错误,对类模式进行了一些优化.最后,运用类图中类间的几种关系在关系数据库中的实现策略,建立了学籍管理数据库中的表.     

格值信息系统的粗糙熵与不确定度量

在格值信息系统中引入知识粗糙熵、粗集粗糙熵与不确定度量的概念,得到了相应的重要性质。证明了在格值信息系统中,知识粗糙熵随着知识颗粒变大、分类变粗而单调增大,或者随着知识颗粒变小、分类变细而单调减小。进一步通过讨论它们之间的联系说明了粗集的粗糙熵可以更精确地度量粗集的粗糙程度。这些结论为格值信息系统的知识发现奠定了一定的理论基础。     

一种目标与信息共同驱动的度量模型

目前采用CMMI模型进行过程改进的企业，尤其是中小型企业在实施度量时盲目选择度量元，缺少合适度量过程框架的指导。针对上述问题，结合现有的GQM度量模型及其改进模型,以及PSM实用软件度量模型的特点,提出了一种支持软件过程改进的目标和信息共同驱动的度量模型（GI2M-D）,给出了基于GI2M-D度量模型的软件度量过程框架。该框架使度量人员选取度量元时更有针对性和目的性,为决策者和软件过程改进者，特别是采用CMMI模型的企业在实施度量时提供有效的支持和指导。