函数双向S-粗集的信度特征

利用函数双向S-粗集的结构,给出函数迁移的信度特征,函数集Q的下近似信度特征,函数集Q的上近似信度特征;利用这些结果,给出函数双向S-粗集的信度特征,提出函数双向S-粗集的随机结构与随机定理。函数双向S-粗集的结构是函数双向S-粗集的随机结构的特例,函数双向S-粗集的随机结构是函数双向S-粗集结构的一般形式。     

粗规律F-分解与规律识别

函数S-粗集具有规律特性、动态特性;利用函数S-粗集和基于函数S-粗集的粗规律生成方法,给出f-分解规律,F-分解粗规律,属性f-扰动度,属性F-下扰动度,属性F-上扰动度等概念; 利用这些概念,提出规律f-分解定理,属性f-扰动度定理,粗规律F-扰动度定理,给出粗规律F-分解识别的基本原理,并给出应用实例。     

多阶段三支决策垃圾短信过滤模型

提出了一种多阶段三支决策垃圾短信过滤模型。该模型使用不同的信息粒度对短信进行表示,运用序列决策（即多阶段、多步骤决策）,在不同的决策阶段基于不同的信息粒度分别进行三支决策,有效地避免了当信息粒度太大或信息量不足时进行不合理的决策,对于不能满足当前决策条件的信息,可以通过补充足够的粒度信息作进一步的决策。最后通过实验证明了该模型的合理性和有效性。     

粗规律能量与F-分解粗规律度量

函数单向S-粗集对偶具有规律特性、动态特性.应用函数单向S-粗集对偶,给出f-分解规律、F-分解粗规律、规律能量、属性广扰动度的概念;研究了粗规律F_分解过程中的变化度量;给出f-分解规律能量特性定理、f-分解规律能量不等式定理、F-分解粗规律能量特性定理以及f-分解规律能量中值定理.     

动态粗集理论在K-均值聚类中的应用

基于动态粗集理论,提出了一种改进的动态粗集K-均值算法。改进后的算法依据数据对象的迁移系数大小,被划分到某一类的膨胀上近似集或膨胀下近似集;在计算类的质心时采用其中数据对象集的迁移系数的平均值作为权值来衡量它对质心的贡献。在UCI机器学习数据库原始数据集及其噪音数据集上的实验结果表明,改进后的动态粗集K-均值算法提高了聚类的准确性,降低了迭代次数。     

本体在CBR求解复杂问题中的应用研究

本体是对共享概念模型形式化的规范说明，是对特定领域对象及其关系的概念化描述，为此，本文模拟专家求解思维模式，将本体与CBR结合，借助本体来规范案例和问题的描述并使之系统化建立了基于本体的复杂问题CBR求解框架，并对基于本体的CBR关键技术进行了深入研究。     

基于三支决策理论的客户细分方法

针对客户细分问题中存在的不确定性,提出了一种基于三支决策理论的细分方法。该方法综合考虑了客户细分的风险代价和收益,基于三支决策理论,建立了客户细分模型,给出了计算三支决策阈值的方法,同时还给出了应用实施的步骤。最后,通过实例分析说明了客户细分方法的应用过程和优势所在。三支决策不是仅仅作为二支决策的过程,而是在最终结果中保留三支结果,以采取三种不同的策略,这赋予了三支决策三个域以新的解释。三支决策理论的引入,为客户细分提供了新的思路和方法,可以最小化决策风险代价。