Machine intelligence,rough sets and rough-fuzzy granular computing:uncertainty handling in bio-informatics and Web intelligence

Machine intelligence,is out of the system by the artificial intelligence shown.It is usually achieved by the average computer intelligence.Rough sets and Information Granules in uncertainty management and soft computing and granular computing is widely used in many fields,such as in protein sequence analysis and biobasis determination,TSM and Web service classification Etc.     

基于粗糙模糊集的Web用户事务聚类算法

提出一种基于粗糙模糊集的层次聚类算法。在该算法中,通过事务间的相似性关系生成用户事务模糊矩阵,运用基于模糊矩阵的粗糙上近似提取初始类,使用约束相似性的上近似概念形成后续类,其中的一个相对的相似性条件被用作合并准则。该算法可以帮助Web挖掘者描述潜在的新的Web用户组特性。     

Machine intelligence, rough sets and rough-fuzzy granular computing: uncertainty handling in bio-informatics and Web intelligence

Machine intelligence, is out of the system by the artificial intelligence shown. It is usually achieved by the average computer intelligence. Rough sets and Information Granules in uncertainty management and soft computing and granular computing is widely used in many fields,such as in protein sequence analysis and biobasis determination, TSM and Web service classification Etc.     

粗糙模糊决策表概率决策分析的扩展粗糙集方法

应用λ-截集将决策类中的模糊集合转换为普通集合,在此基础上推广了粗糙隶属函数,讨论了其中的一些集合理论性质,通过设定置信阈值参数α,提出了一种可以从粗糙模糊决策表中获取概率决策规则的扩展粗糙集方法,并设计了一种改进的快速约简算法,最后给出了该方法的一个算例.研究结果表明,提出的方法可从冗余的且有噪声的粗糙模糊决策表中获取用于指导实践的概率决策知识.     

模糊粗糙集粗糙熵的修正

在粗糙集理论中,由于用模糊粗糙熵去度量RF集的不确定性更具有直观性,所以如何利用香农信息熵理论定义模糊粗糙集的熵的度量,是一个值得研究的问题.结合知识粗糙性和信息熵给出了模糊粗糙集的熵的度量新定义,并对其一些性质进行了讨论.     

基于粗糙模糊集理论的构件适配决策支持方法的研究

在当前实际的软件复用过程中，复用者对构件的理解和适配往往带有很大的主观性，构件适配方案的选择没有科学的客观依据，从而增加了复用者的压力、适配方案的主观性，影响了构件重用的效率．本文首先改进了传统的构件库体系结构，提出了一种层次型构件库体系结构，然后在此基础上，提出了一种基于粗糙模糊集理论的构件适配决策支持方法，并给出了相应的算法．实例研究表明，该方法为复用者进行适配决策提供了客观有效的支持工具，在一定程度上降低了构件理解和适配成本，提高了基于构件的软件开发的效率．