针对目前模糊等价关系所诱导的模糊粗糙集模型不能准确地反映模糊概念范畴中数值属性描述的决策问题,提出一种基于邻域关系的模糊粗糙集模型NR-FRS,给出了该粗糙集模型的相关定义,在讨论模型性质的基础上进行模糊化邻域近似空间上的推理,并分析特征子空间下的属性依赖性;最后在NR-FRS的基础上提出特征选择算法,构建使得模糊正域增益优于具体阈值的特征子集,进而剔除冗余特征,保留分类能力强的属性.采用UCI标准数据集进行分类实验,使用径向基核函数(RBF)支持向量机作为分类器.实验结果表明,同基于邻域粗糙集的快速前向特征选择方法以及核主成分分析方法(KPCA)相比,NR-FRS模型特征选择算法所得特征子集中特征数量依据参数变化更加平缓、稳定.同时平均分类准确率提升最好可以达到5.2%,且随特征选择参数呈现更加平稳的变化.

针对乳腺X光医学图像多分类问题中训练速度比较慢的问题，提出超球体多分类支持向量数据描述(HSMC-SVDD)分类算法，即把超球体单分类支持向量数据描述直接扩展到超球体多分类支持向量数据描述。通过对乳腺X光图像提取灰度共生矩阵特征；然后用核主成分分析(KPCA)对数据进行降维；最后用超球体多分类支持向量数据描述分类器进行分类。由于每一类样本只参与构造一个超球体的训练，因此训练速度明显提高。实验结果表明，这种超球体多分类支持向量数据描述分类器的平均训练时间为21.369s，训练时间比Wei等(WEI L Y, YANG Y Y, NISHIKAWA R M,et al.A study on several machine-learning methods for classification of malignant and benign clustered micro-calcifications. IEEE Transactions on Medical Imaging, 2005, 24(3): 371-380)提出的组合分类器（平均训练时间40.2s）减少了10~20s，分类精度最高达76.6929%，适合解决类别数较多的分类问题。

针对现有杀毒方式系统开销大，占有网络带宽大，以及没有对未知程序的实时监测等缺点，通过对先前工作进行改进，提出了针对虚拟桌面框架的一种新型虚拟桌面杀毒模型，支持用户主动扫毒和程序启动过程的被动杀毒。特权虚拟机执行病毒检测和可信列表的管理，并将每个普通虚拟机中的文件签名传输到其他虚拟机；客户端分析待检测文件的签名和特性，优化网络传输的字节数，并在程序加载时实时查杀病毒。实验结果表明，该模型能够实时查杀病毒,减少系统开销和网络带宽的占用。

为了提高乳腺癌早期诊断的准确率，将小波理论与神经网络理论相结合提出改进的小波神经网络算法。将经过预处理的医学图像提取特征值，然后利用基于改进的小波神经网络算法的分类器对医学图像进行分类。通过实验表明此分类器具有较高的分类精度，是有效和可行的；与单独使用后向传播神经网络算法相比分类效果也得到了改善。

目前粗糙集属性约简基本上是通过差别矩阵先求出属性核，然后在属性核的基础上再求出属性约简。这种计算方法具有较高的复杂度。因此提出并分析了属性的加权平均重要性的属性约简算法，该算法可以确保得到决策表的一个约简，且不需要计算核，减少计算量，提高计算速度。以实例验证了算法的正确性。

针对网格资源管理中计算经济模型的资源信誉度、资源提供者信誉度和服务消费者信誉 度,提出并实现了信誉度评价体系结构以及信誉度评价中的一些处理策略。详细讨论了信誉度评价 的模块组成和实现模型,对信誉度评价所需的资源使用记录进行了定义,由此对RUR(ResourceUsage Record)基本组成的扩展进行了研究。最后通过仿真实验对信誉度评估体系完成了验证,证明体系结 构的设计和实现是有效的。