最优近似粗糙集的矩阵计算

在粗糙集理论与应用研究中,由近似空间导出粗糙集的上、下近似集是它的核心基础。但是这种刻画只是给出一个范围,为了更精确刻画目标概念,推广粗糙集的应用,针对粗糙集的最优近似集的计算问题,提出一种基于矩阵的计算方法,为此引入布尔矩阵、关系矩阵、集合矩阵、集合相似度矩阵等定义,通过对目标概念与其近似集之间相似度讨论,得到它们之间相似度变化规律,由此建立粗糙集最优近似集的矩阵新判断与算法。最后通过实例对上述结论作进一步说明。     

格子Boltzmann方法的一种隐格式

提出了一种新的隐格式格子Boltzmann模型,在模型中,隐格式可以显格式求解格子Boltzmann方程,计算简单,并且引入了参数θ与无量纲时间τ独立,增加了模型的灵活性,对二维伯肃流进行了模拟试验,计算结果与解析解结果吻合较好,表明该格式是可行有效的．     

基于包含度的事务数据库关联规则挖掘

通过包含度刻画了关联规则信任度概念及讨论了它与Rough set精度的关系,特别地通过包含度的性质推导了信任度的增量计算。     

基于信任度的增量时态关联规则算法设计

对时态关联规则及其支持度和信任度进行了一般描述,推导了时态关联规则的一些增量信任度性质,这些性质在增量式设计的开采算法中,有着一定的指导作用。