基于Rough集联系度的决策表简化方法

提出了集合型Rough集（粗集）联系度的概念以及利用Rough集联系度对决策表进行条件属性简化和属性冗余值简化的计算步骤，通过算例说明方法比较的Rough集理论中使用范畴的相地简化方法更简单。     

多值Rough集的一般化

给出了多值信息系统中的等域关系的定义,讨论了等域关系的性质,进而,给出了将多值Rough集一般化的方法,并将经典Rough集理论和方法的应用范围扩展到了多值的情况。     

基于Rough Sets的图像分割法

介绍了粗集(Rough Sets)的一般概念和理论,并提出了一种基于粗集理论中不可分辨关系的图像分割方法,从而对基于粗集理论的图像处理和分析方法进行了初步探讨。     

覆盖Rough集及其隶属函数

从覆盖的角度重新定义了Rough集，并用一种新的，从领域的角度重新定义了隶属函数，得到了与Pawlak与Rough集隶属函数的一些不同的性质，而且隶属函数的意义也与Pawlak的Rough集隶属函数的意义有所不同。     

同异反联系度在决策方案评价与优选中的应用

在集对分析中同异反联系度概念基础上，提出了同异反联系度矩阵的概念和同异反联系度矩阵的差异矩阵的概念，并以此给出了决策方案评价与优选的方法。     

不确定系统的信息熵与知识化简

根据一个不确定系统的条件属性对决策结果产生的依赖关系,建立了基于信息熵和知识重要性对不确定系统的知识冗余分析的联系,得到了基于信息熵和基于Rough集理论对不确定系统的知识冗余分析概念的统一和方法的一致性重要结论,从信息熵的角度以统计概率的方法提出了不确定系统的知识冗余分析新的知识简化方法,应用实例验证了本文理论和方法的可行性和有效性.     

从Rough集的发展前景看粒计算的研究趋势

论述了Rough集提出的意义、研究背景和发展趋势,分析了Rough集的实质是从一个不可定义的子集中,经等价关系构造出这个集合的上、下近似集,因而使得这个不可定义的集合转变为精确可定义的上、下近似集,从而在不可定义集上处理的问题可移到精确可定义的上、下近似集上去处理,这是Rough集创立的重大贡献.讨论了Rough集应用的广泛性及其在许多方面的应用实例,Rough集的应用,为粒计算研究提供了新思维,促进了粒计算研究崛起.     

Rough集理论发展现状与应用前景

为了解决复杂系统的不确定性信息处理问题,介绍了Rough集理论的基本概念和研究状况.对Rough 集模型推广、约简算法研究等进行了讨论;并对Rough集理论在机器学习、决策分析、知识发现等领域中的应用 状况进行了论述,同时提出了Rough集理论在知识获取和并行计算领域中的发展前景和Rough逻辑控制、 Rough信息处理等研究方向.     

变异粗集与它的过滤特性

利用变异粗集的概念，提出了变异粗集粒度、过滤度的概念，讨论了变异粗集（X_（a），X^-（a））与Z．Pawlak粗集（R_（X），R^-（X））的粒度、过滤度的关系特征，给出了变异粗集粒度、过滤度的单调性定理。本文的讨论是对变异粗集理论的丰富与发展.     

变异粗集与它的过滤特性

利用变异粗集的概念，提出了变异粗集粒度、过滤度的概念，讨论了变异粗集(X-(α),X-(α))与Z.Pawlak粗集(R-(X),R-(X))的粒度、过滤度的关系特征，给出了变异粗集粒度、过滤度的单调性定理.本文的讨论是对变异粗集理论的丰富与发展.