基于条件信息熵的决策表约简

Rough集理论是近年来发展起来的一种有效地处理不精确、不确定、含糊信息的数学理论方法，在机器学习、数据挖掘、智能数据分析、控制算法获取等领域取得了很大的成功。研究者从不同的角度对这个理论进行研究。本文将从信息论观点出发对Rough集理论的基本概念和主要运算进行分析讨论，通过与Rough集理论的代数观点进行比较分析，得到这两种观点下的一些等价性质和不同的特性，并基于条件信息熵提出决策表的约简算法。  

Rough集理论在不完备信息系统中的扩充

Pawlak教授所提出的经典Rough集理论主要是针对完备信息系统的，利用了不可分辨关系这种等价关系来对对象进行了近拟和下近似分类，对于不完备信息系统的处理，需要对经典Rough集理论进行扩充，主要是对不可分辨关系进行扩充，目前已经有了基于容差关系，相似关系和量化容差关系等的扩充Rough集理论，但是，这些扩充也还存在一些局限性，将提出一种基于限制容差关系的扩充Rough集模型，并比较分析这些扩充Rough集模型之间的性能。  

决策表核属性的计算方法

针对决策表核属性的计算问题，对前人的一些理论观点进行讨论，在认识这些理论观点缺陷的基础上，探讨Rough集理论代数观和信息观这两种形式的关系，发现它们在核属性和约简上的差异，提出决策表核属性的计算方法．  

一种基于Rough Set理论的属性约简及规则提取方法

该文针对Rough Set理论中属性约简和值约简这两个重要问题进行了研究，提出了一种借助于可辨识矩阵（discernibility matrix）和数学逻辑运算得到最佳属性约简的新方法.同时，借助该矩阵还可以方便地构造基于Rough Set理论的多变量决策树.另外,对目前广泛采用的一种值约简策略进行了改进，最终使得到的规则进一步简化.  

PLC的人机接口与编程

本文根据作者的PLC应用实践,借鉴高级语言的编程方法,从人机接口入手,自顶向下的分析程序结构,对PLC的结构化编程进行了探讨。  

粗糙集理论中的离散化问题

一引言数据分析及数据挖掘,是一个重要的正在迅速发展的研究课题。波兰科学家Z.Pawlak于1982年提出的粗糙集(Rough Set)理论正是解决这一问题的新理论,它可用于处理决策信息表中的不确定知识,并用规则的形式表达,是一种有效的知识获取工具。在Roughset中,数据约简是非常重要的,包括属性约简和值约简。运用粗糙集理论处理决策表时,要求决策表中各值  

三层结构中的数据库访问技术

1 前言 Internet的出现不仅改变了人们获取信息和知识的方式,而且实现了分布在世界各地的可用信息的共享,使之成为全世界公用的知识财富。此外,利用统一的公共浏览界面,可以使用户在短时间内掌握使用方法,实现跨平台的信息访问。Internet上的信息大部分存储在Web站点上,客户端用户通过在浏览器中输入网址就可获取以文件形式存储在相应站点中的信息。然而,这种早期的静态信息发布方式已越来越不能满足需要,如何方便、快捷、有效地将现存于各种数据库  

遗传算法研究综述 *

介绍了遗传算法的基本工作原理和主要特点 ,讨论了遗传算法的理论、技术、存在问题及改进方法 ,概述了遗传算法的常见应用领域 ,分析了近五年国内对遗传算法的研究现状。最后 ,进一步探讨了遗传算法的未来研究方向。  

粗糙集理论中的求核与约简

约简与核是粗糙集理论的两个重要概念，而直接由定义来计算约倚与核是一个典型的NP难题。发现了分辨矩阵的若干有用性质，利用这些性质使粗糙集理论中的求核与约简问题得以解决。进而分别讨论了无决策信息系统的约简和有决策信患系统的约简问题。最后举例说明了所得结果的有效性。  

基于NS的网络仿真探讨

通信网络的日新月异 ,各种网络方案和协议日趋复杂、网络规模日趋庞大 ,对网络研究人员而言 ,掌握网络仿真的重要性是不言而喻的。着重探讨网络仿真免费软件NS。