模糊粗糙子环及其同态

提出了环中的模糊粗糙子环的概念;从模糊集的截集的角度出发,证明了环中的模糊子环的粗糙集是模糊子环,并讨论了其同态问题.     

粗糙集的模糊性

在研究粗糙集概念的基础上,结合模糊集的最近普通集和最远普通集两个方面,利用距离函数 lp(A,B) 、 D(A, B) 和粗糙隶属函数,得到了粗糙集的一种新的模糊度计算方法,证明了模糊度的一些重要性质。该方法在理论和应用中发挥着重要作用。     

灰色信息系统中的优势粗糙集模型

文章将一种新的优势关系引入到区间集灰色信息系统中,定义了对象灰度与对象确定度、整体灰度与整体确定度等概念,建立了基于优势关系的粗糙集模型,由此得出一系列相关性质与定理,最后用一实例进行了说明。     

Fuzzy集值映像的kakutani—ky Fan定理

Fuzzy不动点定理在模糊对策中常被运用,[1、2、3]定义了一个很牵强的度量D(A、B),或运用了可能为空集解的α(x)截集。本文运用了Fuzzy集的紧凸,伪闭映像的概念建立了一个不动点定理,从而把kakutani—ky Fan定理推广到了Fuzzy集值映像。设x为局部凸的Hausdorff实线性空间,x到[0,1]的实值函数A称为x上的Fuzzy集,F(x)表示x中的一切Fuzzy集族。 A     

基于可变精度的加权粗糙集模型在约简中的研究

首先对粗糙集的定义进行了描述,在可变精度的基础上提出了加权粗糙集模型。重新定义了近似空间内的一些概念,给出了加权粗糙集模型的约简概念,指出了加权系数的两种方法。并根据实验分析,得出加权粗糙集模型约简中分类错误增大,约简长度越短,约简所花时间越长等特性。     

格区间值Fuzzy集分解定理的二种表现形式

文［１］定义了闭区间乘格区间值Ｆｕｚｚｙ集，在此定义下给出了格区间值Ｆｕｚｚｙ集分解定 理．本文重新定义了闭区间乘格区间值Ｆｕｚｚｙ集，并给出格区间值Ｆｕｚｚｙ集分解定理的新形式．     

程度与精度的逻辑差粗糙集模型

基于程度与精度的逻辑差需求,提出了程度与精度的逻辑差粗糙集模型,并定义了粗糙集区域概念。通过变精度近似与程度近似的转化公式,得到了粗糙集区域的基本结构,提出了计算粗糙集区域的常规算法和结构算法,进行了算法分析与比较,探索并得到了模型在决策表中的应用方向。通过该模型拓展了程度粗糙集模型和经典粗糙集模型。     

Fuzzy子群的结构与直积分解

本文利用既约集合套定义Fuzzy集,用既约子群套定义Fuzzy子群,给出了几类Fuzzy子群的结构定理同时还给出了Fuzzy子群的直积概念及Fuzzy的直积分解定理。     

Г-带的半格分解

在Γ-半群中引入Γ-带、Γ-矩形带和Γ-半格等概念,获得了一个元的逆元集的分解定理和Γ-带的Γ-半格分解定理,它们分别类似于一般半群中逆元集的分解定理和著名的带的半格分解定理.     

基于多核粒化的模糊粗糙计算模型

传统的单核粒化粗糙集模型没有考虑不同粒化关系的相互影响。为解决这一问题,提出了基于多核粒化的模糊粗糙计算模型。以一族核关系构成的多粒度空间为研究对象,将乐观和悲观粗糙集模型拓展到多核空间,定义了基于S-T算子的多核下、上近似算子。给出了基于多核粒化粗糙逼近的属性选择算法。实验结果验证了不同核粒化关系之间"求同存异"和"求同排异"的相互作用。     

粗糙群及粗糙商群的部分性质探讨

本文主要讨论了粗糙集理论在代数系统——群上的应用,基于代数系统中的同余关系,提出了粗糙商群的另一定义,进而讨论了粗糙商群的一些性质定理及其证明,同时本文对某些错误定理做了修改并给了证明,而对某些定理的繁琐证明进行了简化。     

Fuzzy属性文法的分解定理与表现定理

提出了广义 Fuzzy 集合与 Fuzzy 属性文法的概念,并给出了 Fuzzy 属性文法的分解定理与表现定理,从两个不同的角度阐明了 Fuzzy 属性文法与普通文法以及它们的代数结构之间的关系。     

第Ⅱ型Fuzzy积分收敛定理

1966年L.A.Zadeh首次引入Fuzzy集合概念〔1〕十几年来,模糊数学在数学及其它科学领域内得到了迅猛发展〔2〕1972年M.Sugeno建立T类似概率数学期望的Fuzzy积分〔3〕且80年黄金丽、郑道朋进而建立了一系列关于分布函数的收敛定理及Fuzzy积分的依测度收敛定理(番〕(4〕同年,张文修、赵汝怀将M.Sugeno建立的Fuzzy积分(本文称作第I型Fuzz少积分)进行推广,引入新的Fuzzy积分(本文称作第1Fuz:y积分)〔5〕本文试图从第I型Fuzzy积分出发,按照(4)的思想,给出相应的第II型Fuzzy积分的收敛定理。     

基于Rough Sets的传感器异常数据处理

在各种传感器的应用中,经常要对传感器的测量数据进行处理,以保证测量结果的可靠性．为了利用粗糙集理论处理不确定数据的优点,根据粗糙集理论的思想,先由已知测量数据提取出决策表,再进行补全、离散化等预处理,最后进行属性约简并提取出分类规则,对测量数据进行分类,剔除测量数据中的异常数据．实验结果显示该异常数据发现方法比常用的异常数据处理方法更为客观、精确和可靠．     

基于粗糙集的车牌字符特征提取方法探讨

本文介绍了一种基于粗糙集理论的优化车牌字符识别的方法。粗糙集理论是一种继神经元网络和模糊数学之后的新的处理含糊和不确定性知识的数学工具;粗糙集方法是一种具有发展潜力的智能信息处理方法。本文主要思想就是在汉字的网格特征提取过程中保持分类能力不变的前提下,通过知识约简提出了一种车牌字符网格特征选择的改进算法;它不仅找出了对识别最有效的网格特征集,而且可以大大降低图像特征空间的维数,减少工作量和无用特征干涉,从而提高了分类识别率。     

模糊集的无穷扩展原理

从普通集族{Xt}t?T（T为无限集）的直积Ⅱt?TXt出发，给出模糊集族At?F(Xt)(t?T)的直积概念；将通常的映射?：Ⅱt?TXt→Y扩展为模糊集族的直积Ⅱt?TF(Xt)到Y上的模糊集F(Y)的映射。     

粗集神经网络系统及其应用

讨论了粗集神经网络系统及其在心电图自动识别中的应用。根据识别需要,从MIT心电图数据库获取心电图特征参数,根据粗集理论对属性进行优化,并用BP神经网络进行学习。运用这些特征参数和训练好的BP神经网络对心电图进行分类,识别准确率达到90%。     

单向变异S-粗模糊集

从动态系统中对象集所对应的属性集出发，结合模糊集理论和变异S-粗集理论提出单向变异S-粗模糊集的概念、结构及其性质，并对此进行了讨论．