半群中粗理想的性质

基于半群中的粗糙子半群、粗糙左理想、粗糙右理想、粗糙双侧理想、粗糙双理想的概念,集合了上近似、下近似满足单调性,根据半群上关于同余关系的单个特殊子集(如子半群,理想)的性质,讨论了两个子集之积的一些性质,并给出了这些结论的严格证明,进一步补充和完善了半群中的粗糙集理论。     

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．     

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.     

基于粗交流的信号传递模型——试论粗集理论对信号传递模型中后验概率假设的补充

诺贝尔经济学奖获得者迈克尔·斯宾塞提出的信号传递模型指出,非对称信息会导致帕累托最优的交易不能实现,并证明了交易双方可以通过传递信号避免这一情况的发生。但是,如果交易双方的信息结构不同,他们之间会因为信号传递信息的不精确而产生交流粗糙性,影响市场交易效率。因此,将粗集理论引入到信号传递模型中,重点研究是否可以利用粗集理论中的相关计算方法得出最大程度逼近＂不可见信息＂的信号集,从而建立基于粗交流的信号传递模型,可以提供一个处理多维信号传递的全新研究视角。     

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%。     

半群的区间值直觉模糊理想

为进一步了解半群的模糊结构,丰富半群的模糊理论,将区间值直觉模糊集的概念应用于半群。给出了半群的区间值直觉模糊理想的概念,讨论了它的相关性质,得到了半群的区间值直觉模糊理想与区间值模糊理想之间的关系。证明了半群的区间值直觉模糊理想的交集和积仍然是区间值直觉模糊理想。给出的半群的区间值直觉模糊理想及其相关结果能够丰富和完善半群的模糊理论。     

粗集决策表与决策表简化的可信度比较

根据粗集决策表提供信息的完备性,借助可信度的定义,对粗集决策表和简化的决策表的决策规则的可信度进行比较,得出了简化后的决策表的决策规则的可信度高于简化前的决策表的决策规则的可信度,为粗集理论的应用提供了有用的分析工具。     

行单项(0,1)-矩阵方程的解和变换半群的极小理想

本文给出行单项(0,1)-矩阵方程可解的一些充分必要条件效应用这些结果给出有限集上变换半群的极小理想的一个基本性质。     

(S,T)-双系上的Green's关系及其稳定性

建立(S,T)-双系M上的Green's关系理论.利用其基本性质讨论M的稳定性.将M的稳定性应用到半群上使得半群理论中的平行经典结果成为其特例,而有些却成为半群理论中的新结果.     

PCNN与粗集理论用于多聚焦图像融合

现有技术不能保证获取图像时,对图像每个位置都具有同样的聚焦效果,这样便产生了多聚焦图像的融合问题,它包括如何进行多聚焦图像像素分类及采取何种融合决策。该文结合脉冲耦合神经网络(PCNN)模型和粗集理论,对该问题进行尝试性研究,提出了一种新的多聚焦图像融合算法。首先计算原始图像的清晰度,将清晰度矩阵送入PCNN进行处理,然后根据粗集理论对原图像像素进行分类处理,最后生成融合图像。仿真结果表明,该算法在一定程度上优于其他传统算法。且具有较好的抗噪性能。