基于变精度粗集的分类方法

基于差别矩阵的约简算法简单、计算量小，但是传统的差别矩阵不能处理噪声数据。为提高差别矩阵的适用范围，提出一种能够容忍数据中包含噪声的变精度差别矩阵，并给出改进的基于条件属性偏序关系的约简算法。最后，将这一方法用于对多类图像的分类过程中，将分类结果与BP网络的分类结果和基于传统Skowron差别矩阵方法的分类结果相比较表明这种分类方法具有较好的结果。     

基于Vague集模糊推理的多评价指标模糊决策方法

目前在智能领域中对Vague集的研究已越来越广泛与深入，并运用于决策问题中，有学者已把Vague集用于多评价指标的模糊决策中，但其决策方法在某些时候却难以得到目标。为此，本文提出了一个基于Vague集模糊推理的多评价指标模糊决策方法。在这个方法中，从基于Vague集的模糊推理的观点来看待模糊决策问题。将评价指标和候选方案之间的关系用一组基于Vague集的推理规则来表示，将决策者的要求用一组Vague集来表示，经过模糊推理等过程最后得到决策结果。然后还给出了一个实例说明这种多评价指标模糊决策方法。这个基于Vague集模糊推理的多评价指标模糊决策方法的提出为决策系统提供了一个有用的工具。     

最短路径的求解算法

文章提出了一种求最短路径的算法，该算法能高效地求出一个顶点到其它各顶点的所有最短路径。用C语言设计了相应的程序验证了此算法。     

科学文献的模糊聚类算法

针对科学文献的特点，以及人们在查询资料时主要使用关键词来进行查询的特征，提出了一种新的聚类方法。先对关键词进行聚类，由关键词的聚类结果直接映射得到文献的初始聚类，再根据文献的隶属度获得优化的聚类集。     

不同粒度世界的描述法--商空间法

面对复杂对象，如何描述对象往往成为解决问题的基础，为此，该文提出了一种不同粒度世界的描述方法——商空间法．在商空间法中用一个三元组(X，f，T)描述一个问题，在其论域上引入等价关系R，对应于R的商集[X]，然后将[X]当作新的论域，对它进行分析、研究，从而将问题表述成不同的粒度世界，进而达到简化问题、解决问题的目的．与粗糙集、决策树等方法相比较，商空间法具有更强的表达能力，它不仅可以定义多种不同的属性函数，而且可以描述论域中的元素、元素之间的相互关系(即结构)、运算等．该文介绍粒度世界的描写、划分法、粒度确定以及不同粒度世界的关系．最后给出了粒度世界的描述实例——互联网中的路由算法及称球游戏，以验证商空间方法的有效性．     

模糊近似空间上的粗糙模糊集的公理系统

粗糙集理论是近年来发展起来的一种有效的处理不精确、不确定、含糊信息的理论，在机器学习及数据挖掘等领域获得了成功的应用．粗糙集的公理系统是粗糙集理论与应用的基础．粗糙模糊集是粗糙集理论的自然的有意义的推广．作者研究了模糊近似空间上的粗糙模糊集的公理系统，用三条简洁的相互独立的公理完全刻划了模糊近似空间上的粗糙模糊集，同时还把作者给出的公理系统与粗糙集的公理系统做了对比，指出了两者的区别．     

基于概念格的规则产生集挖掘算法

传统的规则提取算法产生的规则集合相当庞大，其中包含许多冗余的规则．使用闭项集可以减少规则的数目，而概念格结点问的泛化和例化关系非常适用于规则提取．基于概念格理论和闭项集的概念，提出了一种新的更有利于规则提取的格结构，给出了相应的基于闭标记的渐进式构造算法和规则提取算法．最后提供给用户的是直观的、易理解的规则子集，用户可以有选择地从中推导出其他的规则．实验表明该方法能够高效地挖掘规则产生集．     

LSNCCP--一种基于最大不相含核心点集的聚类算法

聚类在数据挖掘、模式识别等许多领域有着重要的应用．提出了一种新颖的聚类算法：一种基于最大不相含核心点集的聚类算法LSNCCP(a clustering algorithm based on the largest set of not-covered core points)．在密度定义的基础上，考察核心点之间的距离关系，定义相含、相交、相离这3种核心点之间的关系，最后找出一个最大不相含核心点集，在此基础上进行聚类，并且找到解决丢失点问题的快速方法．该最大不相含核心点集只是全部核心点集合的一个很小的子集，因此有效地缩减了同类算法中搜寻核心点的时间．理论和实验上证明了这种算法的可行性和优越性．     

一种基于粗集的欺诈风险分析方法

文章利用粗集理论中的特征属性约简方法来分析和研究欺诈风险，提出了一种基于粗集的欺诈风险分析方法，并通过一个信用卡欺诈的分析实例对该算法进行了检验。实验结果表明，在保证分类质量基本不变的情况下，该算法是有效的，它能找出引发欺诈行为的主要特征属性，帮助管理者及时、准确地预测各种可能发生的欺诈风险。     

Rough Sets in Reasoning about Vague Concepts

We discuss the rough set approach to some challenging problems that are of great importance for making progress in many applications. Among such challenges are the following ones.