動態模糊數據分析理論與方法（簡體書）

動態模糊數據是數據分析領域最難的一類數據。目前關於此類數據的處理方法還不是很成熟。關於這方面的工作，我們進行了近20年的研究，取得了一些成果，為了和廣大讀者分享，現整理成《動態模糊數據分析理論與方法》一書。共7章，第一章動態模糊邏輯，第二章動態模糊邏輯程序設計語言的操作語義模型，第三章動態模糊邏輯程序設計語言的代數語義模型，第四章基於動態模糊集（DFS）的概念學習，第五章基於動態模糊集的半監督多任務學習，第六章動態模糊層次關係學習，第七章基於DFL的軟件Agent普適技術。

《動態模糊數據分析理論與方法》主要包括：①在集合論方面，提出了動態模糊集合的一系列相關內容，如動態模糊集合的基本概念、動態模糊關系、動態模糊測度及動態模糊概論空間等；②在邏輯方面，提出了一階動態模糊邏輯和二階動態模糊邏輯等；③在處理技術方面，提出了動態模糊機器學習方法、動態模糊邏輯程序設計的操作語義表示模型和代數語義表示模型：④在系統處理方面，提出了軟件Agent普適設計技術。

人才招聘作為企業發現和吸收人才的重要途徑，在其具體實施過程中卻有許多不盡如人意之處。由于每個人的性格、知識、經驗及人生閱歷等的差別，這就給招聘帶來了許多困難。人才招聘的目的就是把最適合企業崗位的應聘者挑選出來。可是人的特性又是不確定和模糊的，也就是具有動態模糊性，人才招聘就是將應聘者與崗位需求緊密相關的特征盡量明確和定量化。
在企業的人才招聘中，面試是一個重要的環節。企業往往主要是通過面試來發現和選拔各類人才。面試環節中有許多模糊因素，如應聘者的表現和主考官的主觀感覺。
面試的過程往往是基于面試考官的主觀判斷，既然是主觀判斷，就難免出現以偏概全、判斷失誤的時候，這就會使不應選的人被選上，而應該選上的人被淘汰。具體地說，人才招聘中的存在以下幾個方面的問題。
（1）第一印象效應或首因效應。即面試考官對應聘者的第一印象往往決定了其對應聘者的基本判斷，然后面試考官就會努力去證明自己的判斷，從而造成偏差。
（2）負面效應。即面試考官強調應聘者負面資料，比較容易受到負面資料的影響。
（3）對比效應。即求職應聘者的面試排序會影響面試考官的評價，面試考官往往以前一個或前幾個應聘者來評估目前正在面試的應聘者。
（4）招聘規模的壓力導致評價失誤。
（5）面試考官對招聘崗位的相關背景知識不熟悉。
（6）非語言行為和性別的影響。
那么，如何克服這些問題呢？本節將二階DFL和其推理模式應用于人才招聘環節中，作為定量決策方法的有益補充，即定性決策，為企業成功選才提供幫助。
企業人才的選擇決策過程，其實就是個推理過程，面對著給出的標準的模糊性，和應聘者匹配條件的模糊性，使得整個的推理過程伴有很大的模糊性和不確定性。本節給出企業人才選拔的實例系統。