不确定变量的双重收敛性

从不确定变量的公理化定义和不确定变量的基本极限性质出发,借助一般的极限定理思想,在不确定变量的双重极限理论基础上,进一步研究了不确定变量的双重收敛性。讨论了不确定变量几乎处处收敛,几乎一致收敛与依测度收敛之间的嵌套定理。     

课堂教学质量的不确定综合评价方法

研究了课堂教学质量的综合评价问题,基于不确定理论提出了不确定综合评价方法。在这个方法中,将每个评委对每项评价指标的评价当作不确定变量,提出了基于期望值的不确定综合评价比较准则,并研究了准则的性质。最后,给出了课堂教学质量的实例分析。     

不确定变量的效用函数

在不确定理论的基础上,首先提出了不确定变量的效用函数的定义和效用准则.其次给出了不确定变量的效用函数的一些性质.最后介绍了不确定变量的效用函数的应用及举例.     

不确定推理的一个注记

不确定推理是知识工程中的重要内容，基于模糊命题的真值推理具有广泛的应用，对模糊命题的真值推理进行研究，给出文[1]定义的不确定推理真值传播方法的严格叙述，并给出文[1]中两个定理的简单证明．     

不确定人格探析

本文提出了不确定人格的理论构想，并编制了“不确定人格问卷”，包括不确定倾向分问卷和不确定反应分问卷。对大学生被试施测结果表明，问卷具有良好的信度和效度，不确定倾向包含容忍和求新两个因子；不确定反应包含舒适和解决两个因子。最后对不确定人格提出了进一步研究的设想和思路。     

不确定变量序列依r阶收敛的若干性质

在不确定理论中,已经给出了不确定变量序列平均收敛及均方收敛的定义。文章将其推广到更为一般的不确定变量序列依r（r〉0）阶收敛（r=1时为平均收敛;r=2时为均方收敛）。提出了不确定变量序列依r（r〉0）阶收敛的定义,研究了其性质,给出了不确定变量依r阶收敛的基本列的定义,并讨论其与依r阶收敛的关系。     

不确定环境下投资收益与风险问题的模型研究

描述了单位投资收益和单位投资风险是不确定变量时的投资问题.根据不同的决策准则,应用不确定理论建立了了两个新模型,即不确定期望值目标规划模型和不确定机会约束目标规划模型.为能简便快捷的求解模型,基于不确定理论的运算法则,将两种不确定模型转化为其清晰等价形式.最后通过1个数值例子说明了用不确定规划解决不确定投资问题的合理性与有效性.     

不确定过程中增长性定理的一个证明

不确定变量用来描述非确定性现象,不确定过程就是一列随时间或空间变化的不确定变量.本文对不确定过程的增长性态进行研究,并给出相关证明.     

基于区间数判断矩阵的不确定型AHP法及其在改善交通环境决策中的应用

由于信息不足或方案不够完善，专家对方案的相对重要性的判断往往具有模糊性．文章基于区间数来表达模糊判断，讨论了不确定型MHP法的有关理论，并给出了其在改善交通环境决策中的应用．     

投资决策中有方案偏好的模糊多属性决策方法

针对属性值以模糊语言形式给出,属性权重完全未知但给出有方案偏好信息的模糊多属性决策问题给出决策方法。该方法是将模糊语言给出的属性评估及方案偏好转换为梯形模糊数,通过建立一个不确定二次规划模型来确定属性的权重,基于加权平均法则来对规范化的模糊属性值及权重进行集结,利用模糊数大小比较的期望值方法来对方案进行排序和择优．最后给出一个应用实例．     

Rough Fuzzy集及其相似度量

近年来，人们提出许多刻划不确定性的方法，Rough集理论是描述Fuzzy性和不确定性的一种新的数学工具．文中简要介绍了Rough集理论的基本概念，讨论了Rough集的性质及其Rough Fuzzy集的相似度量。     

不确定性中的随机性和模糊性

随着不确定性研究的深入,世界的不确定性特征越来越得到学术界的普遍认可。人工智能中的不确定性主要是由随机性和模糊性引起的。人们用概率论和数理统计研究随机性,将＂随机性＂用＂概率＂予以量化表示,而贝叶斯理论等就成为人工智能中处理不确定性的重要工具。对于模糊性,人们用模糊数学作为工具来研究,在经典模糊集合论中引入＂隶属度＂来更好地处理人工智能中的模糊性问题。近十几年来,在随机数学和模糊数学的基础上,亦提出了用云模型来统一刻画语言值中大量存在的随机性、模糊性以及两者之间的关联性。随着不确定性研究的深入,必将为人工智能的应用提供更广阔的空间。     

模糊变异粗集与[α/R]知识

从问题的内、外两方面出发，结合模糊集理论与变异粗糙集理论提出了模糊变异粗集模型，并对模糊变异粗集和模糊变异知识进行了讨论，给出了模糊变异知识及其相关定理。     

基于模糊等价关系的粗糙集方法

在对研究信息系统中知识不完全、不确定问题的两种重要理论粗糙集和模糊集进行比较分析的基础上,结合模糊集和粗糙集各自的优点,针对信息系统中数据量庞大且属性值大多是连续的、很多数据对象具有相同或相似性质的情况,提出一种基于模糊等价关系的粗糙集方法,实现了粗糙集理论与模糊集理论的有机结合;并通过一个应用实例,证明了此方法的有效性．     

模糊集方法在粗糙集研究中的一些应用

粗糙集理论的创始人Z.Pawlak曾经得出一个结论:“粗糙集是泛化的模糊集;”通过粗糙隶属函数把粗糙集理论与模糊集联系起来,建立了一种粗糙集理论与模糊理论的关系。     

学习《概率论与数理统计》应该注意的若干问题（2）——随机变量与概率分布

阐述随机变量在《概率论与数理统计》中的重要作用,随机变量的引入,可以通过随机变量（作为函数）取值（或取值范围）相同给出事件的一种规范表示,从而数学分析的方法和手段在《概率论与数理统计》中得以充分利用,从随机变量所隐含的不确定性过渡到确定的分析和计算。     

模糊粗糙集的一些性质

在模糊粗糙集的基础上,详细的讨论了它的正域、负域以及边界的性质,并研究了它的一类连续性问题.     

模糊同余关系下的模糊粗糙群的运算

以群上的模糊正规子群与群上的完备的模糊同余关系的对应出发,研究模糊同余关系下的模糊粗糙群的若干运算性质,补充和丰富模糊集与粗糙集的交叉理论.     

基于粗集理论的知识发现

知识发现是知识信息处理的关键问题之一,粗集作为一种数据分析理论能有效地从不确定性的数据中发现知识,是目前在知识发现领域研究的热点之一。本文首先对知识发现和粗集理论做了简单介绍,在此基础上论述了粗集作为一种数学工具在知识发现领域中的重要性,并提出粗集的进一步可能发展方向。     

模糊同余关系下的模糊粗糙群的同态

从群上的模糊正规子群与完备模糊同余关系的对应出发,研究模糊同余关系下的模糊粗糙群与模糊粗糙商群的同态关系.即在一定条件下,满同态能保持模糊同余关系的结果.进一步补充和丰富了模糊集与粗糙集的交叉理论.