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.     

图的断裂度与断裂数的关系

对图的断裂度和断裂数进行了研究。在图的断裂度已知的条件下，给出了其断裂数的取值范围；在图的某个断裂数已知时，给出其断裂度的取值范围。最后对断裂度和断裂数的实际应用进行了探讨。     

改进的广义模糊软集的贴近度

基于广义模糊软集在处理不确定性问题中的应用,本文对已有的广义模糊软集的贴近度进行了修正,并将其应用于医疗诊断问题中。通过比较得到,修正的贴近度更合理,因而有更好的适用性。     

基于联系度的Rough集

本文将集对分析中的联系度概念应用于Rough集中,提出Rough集联系度的概念,说明了Rough集联系度与下和上近似集的值比的关系,分析了Routh集联系度与Rough集的拓扑特征的关系。     

变异粗集在集对分析中的应用

根据变异粗集方法，将粗糙集应用到集对分析理论中，讨论了集对分析与变异粗集的结合方法，并通过一个例子来说明本文的可行性。     

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.     

最小相关结果集排序算法

传统的信息检索系统都是按照结果与用户查询的相关性大小进行排序,返回结果之间相互孤立缺乏整体性,冗余性很大.为了使用户获得完整的相关信息,采用一种基于子主题提取的文档集合生成算法聚类相关检索结果,引入一个新概念"并集度",最后利用相关度、并集度和新颖度对结果集重新排序.实验结果表明在进行算法改进后,整体相关度有所上升,同时排在前面的文档集合的并集度和新颖度也较大,包含的信息更加完整,冗余性更小,可以更好地满足用户的查询需求.     

变异粗集在集对分析中的应用

根据变异粗集方法，将粗糙集应用到集对分析理论中. 讨论了集对分析与变异粗集的结合方法，并通过一个例子来说明本文的可行性.     

基于相关集合的事务数据库挖掘

基于相关集合事务数据库这一挖掘思想,提出一个新的方法——寻找最大频繁集。并通过理论与事例分析了这一方法的可行性和正确性。     

可信度空间的性质

本文在可信度和可信度空间公理化定义的基础上，推导出了一些关于可信度的性质，为进一步探讨可信度空间奠定了基础.     

基于随机集的程度粗糙集模型及其应用

分析了传统的基于随机集的粗糙上(下)近似在刻画或近似概念时的缺陷。考虑到元素的集值函数与对象集重叠部分的定量信息。依据集值函数与对象集重叠的多少来刻画或近似对象集。给出了基于随机集的程度粗糙集模型,得出了一系列重要的结论。     

非线性序集逻辑系统L_4~2中命题真度值在[0,1]上的分布

利用势为4的均匀概率空间的无穷乘积在四值逻辑系统中引入公式的真度概念,给出了真度推理规则,证明了真值集为非线性序集四值逻辑系统L24中全体公式的真度值之集在[0,1]上是稠密的,为进一步建立四值非线性序集逻辑系统的近似推理理论奠定了基础.     

基于包含度的粗糙集模型的推广

在文献[1]的基础上,给出了三个新的基于包含度的粗糙集模型。并指出这些基于包含度的粗糙集模型分别是相应的概率粗糙集模型的推广形式。最后举例讨论了所给模型的一些性质。     

基于包含度的区间直觉模糊粗糙集模型

利用区间直觉模糊包含度的概念建立区间直觉模糊粗糙集模型。首先,将直觉模糊集中的包含度拓展到区间直觉模糊集上,给出区间直觉模糊包含度定义和计算公式;其次,在区间直觉模糊等价关系下,基于区间直觉模糊包含度,建立了区间直觉模糊粗糙集模型,并对近似算子的重要性质进行了讨论。     

非线性序集逻辑系统L4^2中命题真度值在[0，1]上的分布

利用势为4的均匀概率空间的无穷乘积在四值逻辑系统中引入公式的真度概念，给出了真度推理规则，证明了真值集为非线性序集四值逻辑系统L4^2中全体公式的真度值之集在[0，1]上是稠密的，为进一步建立四值非线性序集逻辑系统的近似推理理论奠定了基础．     

基于未知度的Vague集相似度量新方法

分析了现有的相似度量方法,指出影响Vague集相似度量的因素和衡量Vague集相似程度的必要参数,为研究Vague集相似度量提供了参考,提出了一种新的Vague集相似度量的方法,通过实验结果表明,新的方法区分能力高,而且有更好的度量效果.