相容关系下集值信息系统的粗糙熵

熵理论是信息系统中不确定性研究的有效工具之一。首先给出了集值信息系统的相容关系,在此基础上引入了粗糙熵。讨论了粗糙熵的最大、最小值,并证明了粗糙熵的单调性。     

口子迁移方程连续解的存在性

本文对单能非均匀介质真空包围平板内的中子迁移方程首先证明了在通常的连续函数空间Ｃ上相应迁移算子Ａ的剩余谱非空（事实上，σ_ｒ（Ａ）充满整个右半平面，这点与Ｌ￣ｐ空间上σ_ｒ（Ａ）＝Φ的结论不同），然后构造新的连续函数空间Ｃ_０，证明Ａ在Ｃ_０上产生局部Ｌｉｐｓｃｈｉｔｚ连续积分半群，从而给出迁移方程连续解的存在性。     

多项式函数的神经网络逼近: 网络的构造与逼近算法

该文作者先用构造性方法证明：对于给定的r阶多项式函数，可以具体地构造出一个三层前向神经网络，以任意精度逼近该多项式，所构造的网络的隐层节点个数仅与多项式的阶数r和网络的输入个数s有关，并能准确地用r表达；然后，给出一个实现这一逼近的具体算法；最后，给出两个数值算例进一步验证所得的理论结果．该文所获得的结果对前向神经网络逼近多项式函数类的网络具体构造以及实现逼近的方法等问题具有较为重要的指导意义．     

基于粗糙集的形式背景属性约简及属性特征

本文在形式背景中，定义了一种上、下近似算子，给出近似算子的性质。基于算子给出形式背景属性约简的定义，得到属性约简的判定理论，刻画出不同类型属性的特征。最后，给出形式背景属性约简的方法。     

基于优势关系下不协调目标信息系统的知识约简

在基于优势关系下不协调目标信息系统中引入了分配约简和近似约简的概念,并讨论了它们二者之间的关系,进一步给出了知识约简的判定定理和辨识矩阵,从而提供了在优势关系下不协调目标信息系统知识约简的具体操作方法。     

用神经网络启发式算法求解最大独立集问题

本文提出一种求解最大独立集问题(MIS)的启发式神经网络算法.该算法基于MIS问题的特点,有效地限制神经网络初始点的选择范围,并利用神经网络快速收敛能力获得问题的解.与标准神经网络算法相比,该算法显示了较高的全局优化性态与计算效率.模拟计算实例表明了该算法的有效性.     

集值信息系统的粗糙熵

熵理论是信息系统中不确定性研究的有效工具之一。首先给出了集值信息系统的拟序关系,在此基础上引入了粗糙熵,讨论了粗糙熵的最大、最小值,并证明了粗糙熵的单调性。     

形式概念分析与粗糙集的比较研究

形式概念分析与粗糙集理论为数据挖掘和知识获取提供了两种不同的方法。该文首先对于形式概念的外延及粗糙集的等价类进行了讨论。给出了它们之间的区别和联系；其次通过引入反链形式背景。对它们之间的关系进行了更进一步的研究；最后给出了形式背景约简和划分约简之间的关系。     

基于模糊支持向量机的数据域描述

受模糊支持向量机的启发，本文系统论述了带有模糊隶属度的数据域描述方法，称为模糊支持向量域描述。适用于数据集中的数据不完全肯定来自于假设总体的情形，不同的数据对数据集的域描述可以有不同的贡献。     

合成信息系统与子信息系统

本文给出了对象合成信息系统、属性合成信息系统、对象子信息系统及属性子信息系统的定义，分别讨论了它们的上下近似算子与原信息系统的上下近似算子之间的关系．并给出了它们的一些实际应用。