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集高效算法的研究

深入分析了现有Rough集算法低效性的根源，围绕不可区分关系和正区域两个核心概念，研究了不可区分关系的性质，给出并证明了正区域的一种等价计算方法，从而得出高效的Rough集基本算法；随后，分析了正区域的渐增式计算，并给出了一种完备的同性约简算法．理论分析和实验结果表明，该约简算法在效率上较现有的算法有显著提高．  

基于向量空模型的文本自动分类系统的研究与实现

随着网络信息的迅猛发展，信息处理已经成为人工获取有用信息不可缺少的工具，文本自动分类系统是信息处理的重要研究方向，它是指在给定的分类体系下，根据文本的内容自动判别文本类别的过程。对文本分类中所涉及的关键技术，包括向量空间模型、特征提取、机器学习方法等进行了研究和探讨，并且提出了基于向量空间模型的文本分类系统的结构，并给出了评估方法和实验结果。  

不协调目标信息系统的知识约简

在不协调目标信息系统中引入了最大分布约简的概念，讨论了最大分布约简、分配约简、分布约简和近拟约简之间的关系。最大分布 间弱于分布约简，克服了对信息系统过于苛刻的要求。同时，它又克服了分配约简可能产生与原系统不相容的命题规则的缺陷；给出了这些知识约简的判定定理和相应的可辨识属性矩阵，从而提供了不协调目标信息系统的知识约简的新方法。  

遗传算法的研究与进展

遗传算法是建立在自然遗传学机理基础上的参数搜索方法。本文介绍了遗传算法的思想来源的基本原理，比较了遗传算法与其他人工智能技术，论述了它在优化、机器学习、尤其是控制领域中的应用成果，并对进一步的研究工作提出了一些展望。  

遗传算法的运行机理分析

遗传算法是一种自适应启发工群体型迭代式全局搜索算法，正受到许多学科的重视。本文首先以函数优化为例分析了遗传算法的运行过程，然后着重探讨了遗传算法的全局收敛性和效率问题，提出了有效基因的新概念及有效基因突变操作，推导出每次遗传搜索产生Ｏ（２＾ｌ－１）数量级的新模式，最后给出了结论。  

粗糙集理论及其应用

在很多实际系统中均不同程度地存在着不确定性因素，采集到的数据常常包含着噪声，不精确甚至不完整，粗糙集理论是继概率论，模糊集，证据理论之后的又一个处理不确定性的数学工具，作为一种较新的软计算方法，粗糙集近年来越来越受到重视，其有效性已在许多科学与工程领域的成功应用于得到证实，是当前国际上人工智能理论及其应用领域中的研究热点之一，本文介绍了粗糙集理论的基本概念，特点及有关应用。  

基于遗传算法的排课系统

排课系统在教务管理系统中是比常见的一个模块，但在多约束条件情况下，要排出一张高质量的课表并不容易。通过使用遗传算法，对初始课表进行优化，并用Matlab进行编程，试验结果表明，遗传算法对课表的优化有着比较显著的作用。  

多智能体技术应用综述

多智能体技术通过采用各智能体间的通讯、合作、协调、调度、管理及控制来表达实际系统的结构、功能及行为特性，为各种实际问题提供了一种统一的框架，介绍了多智能体技术在几个有代表性领域的应用，并对该技术今后的研究方向做了探讨。  

基于事例推理的技术及其应用前景

文章从基于事例推理（CBR）的研究者及使用者的角度，介绍了目前在CBR中较成熟的技术，重点介绍了事例表示，事例检索，事例修改以CBR开发工具等，并分析了其中的不足，指出了CBR的发展前景。