集合的粗相似度量

在近似空间中,利用粗糙集诱导的模糊集,定义了两个集合间的粗相似度的概念,讨论了其性质,并对四种具体的粗相似度进行了比较。     

经典命题逻辑中的近似推理与强近似推理

基于命题逻辑公式之间相似度的概念,在经典命题逻辑系统中提出了两种近似推理模式,得到了它们的一些基本性质。讨论了这两种推理模式与经典推理模式之间的关系。此外,当理论Γ有限时,本文分别给出Γ在α程度上近似推出公式A和理论Σ的充要条件。最后,我们给出公式A与有限理论Γ的结论集D(Γ)之间距离的计算公式。     

一个基于模糊随机集的粗糙近似算子的性质及应用

利用贴近度（或相似度）N（B,A）提出了模糊随机近似空间里的一种基于模糊随机集的粗糙近似算子,讨论了该种近似算子的一些主要性质;成功地探讨其在Fuzzy模式识别中的应用;最后给出了具体的例子说明了该算子用于Fuzzy模式识别的可行性。     

集值信息系统下基于λ-近似的属性相对约简

针对集值信息系统,基于相容关系下的极大相容类及OWA算子的性质,提出了λ-近似算于,给出了λ-近似算于下的λ-上、下近似集合,并分析了λ-近似算子的性质.同时,借鉴基于属性重要度的启发式约简算法,通过模糊化λ-下近似集合,进一步得到了属性的相对依赖度及属性的相对约简.     

n值Lukasiewicz命题逻辑系统中公式的随机真度及近似推理

利用赋值集的随机化方法,在n值Lukasiewicz命题逻辑系统中引入公式的随机真度,证明了随机真度的MP规则、HS规则及交推理规则;同时引入公式间的随机相似度和随机伪距离,建立了随机逻辑度量空间,推导出随机相似度的若干性质,证明了随机逻辑度量空间中逻辑运算的连续性;并在随机逻辑度量空间中提出了三种不同类型的近似推理模式,证明了三种近似推理模式的等价性.     

逻辑系统L_3中公式的随机真度及近似推理

利用赋值集的随机化方法,在三值Lukasiewicz命题逻辑系统中引入公式的随机真度,证明了随机真度的MP规则、HS规则及交推理规则;同时引入公式间的随机相似度和伪距离,建立了随机逻辑度量空间,推导出随机相似度的若干性质,证明了随机逻辑度量空间中逻辑运算的连续性;并在随机逻辑度量空间中提出了三种不同类型的近似推理模式,证明了三种近似推理模式的等价性.     

扰动模糊集的粗糙度

首先,将扰动模糊集和粗糙集理论相结合,提出了粗糙扰动模糊集的概念并研究了其基本性质.接着,通过引进扰动模糊集水平上、下边界区域的概念,克服了粗糙集理论中普遍存在的两个集合的上近似的交不等于两个集合的交的上近似(两个集合的下近似的并不等于两个集合的并的下近似)的缺陷.最后,定义了依参数的扰动模糊集的粗糙度的定义,讨论了其基本性质.     

区间粗糙数覆盖粗糙集模型

现有覆盖粗糙集仅讨论了属性值为实数、区间数或有限集值的情况,对属性值为区间粗糙数的讨论尚未见到。为此,文章提出了基于区间粗糙数的覆盖粗糙集模型。在定义了区间粗糙数距离的基础上,结合参数α和γ定义了相容度的概念,提出了相容关系和相容类的定义;然后定义了集合离散度的概念,对以相容类作为近似算子的上下近似进行了改进,提出了基于ξ阈值的集合离散度的上下近似和基于最小集合离散度的上下近似,证明了这两种上下近似的定义均提高了原有模型的精确度;最后讨论了基于最小集合离散度覆盖粗糙集模型的一些性质。     

支撑模糊集合转换的模糊逻辑是伪逻辑

模糊逻辑系统用模糊集合描述模糊信息、用模糊集合转换处理模糊信息.阐述支撑模糊集合转换的模糊逻辑为什么是伪逻辑的原因.指出定义在论域一个空间上的模糊集合,因为破坏了集合中元素的"不可分割性",所以模糊集合描述的模糊信息不能用数学计算通过模糊集合转换处理.实际应用中的模糊信息定义在论域与状态空间两个空间上,其正确表达方式是满足"归一化"条件的隶属度向量;处理的正确途径是,研究基于状态转移矩阵的隶属度转换;支撑隶属度转换的是近似推理逻辑,目的是使构建的隶属度转换模型是当前条件下人们可能构建的"最优"近似模型.     

基于包含度的模糊随机粗糙集模型

针对随机性与模糊性同时存在的情形,提出了建立在模糊随机近似空间上的基于包含度的模糊随机粗糙集模型.首先给出了模糊随机近似空间的概念,然后利用包含度提出了模糊随机近似空间上的一种基于模糊随机集的粗糙近似算子.最后讨论了这种近似算子的一些性质.     

基于新集对分析的粗糙集模型

首先,在这篇文章里两个集合里的元素被分为三个相对独立的部分来研究。接下来,一种定量信息——元素数目被用来描述这两个集合间的关系,然后提出了基于元素数目的新集对分析思想;另一方面,引用含糊集中真隶属度和假隶属度的概念,提出了一种模糊集对联系度。然后,这两种集对分析思想分别被用到粗糙集理论中作为粗糙集模型的一种推广,此外还讨论了一些相关的性质。     

关于粗糙模糊集的相似度量

基于对不确定性信息处理的背景,定义了粗糙模糊值与粗糙模糊集的相似度量,研究了它们的有关性质.     

结合代数上的粗糙集

在结合代数上引入粗糙集的理论,给出了结合代数上基于理想的同余关系,研究了结合代数的子空间上下近似的若干粗糙集性质。     

基于粗糙模糊集的聚类决策及应用

对基于粗糙模糊集的聚类问题进行了研究.首先,定义了粗糙模糊值与粗糙模糊集的相似度,给出了粗糙模糊集相似度的一般表达式;然后利用该公式构建了模糊相似矩阵,进而给出了粗糙模糊集的一种聚类方法;最后以实际算例说明了这种思想.     

粗糙模糊集的模糊性度量

研究粗糙模糊集的模糊性度量,提出了一种新的熵与条件熵的概念,并验证了这种熵与Shannon熵类似的性质。利用这种熵定义了粗糙模糊集的一种不确定性度量,证明了粗糙模糊集的模糊性度量FR（A）等于0的充分必要条件是A是经典集合且是可定义的。     

粗糙Vague集及其相似度量

对粗糙V ague集的基本操作和性质进行了研究。另外,对粗糙V ague集的相似度量问题进行研究,首先构造一种粗糙V ague值的相似度函数并给出其基本性质,然后给出一种粗糙V ague集的相似度函数以及一种粗糙V ague集的加权相似度函数。     

基于覆盖的模糊粗糙集模型

讨论基于覆盖理论的模糊粗糙集模型。给出了模糊集的粗糙上、下近似算子,讨论了算子的基本性质,证明了覆盖粗糙集模型下所有模糊集的下近似构成一个模糊拓扑,并得到了覆盖模糊粗糙集模型的公理化描述。     

模糊粗糙集的模糊邻域算子刻画

在模糊集合的公理化定义及其直积的基础上，提出基本模糊点的模糊邻域算子概念。用模糊邻域算子来定义模糊集的上近似和下近似。可以用模糊集的上、下近似来刻画模糊关系的自反性、对称性和传递性等性质。在模糊粗糙集的模糊邻域算子定义下，模糊粗糙集与粗糙模糊集可以统一起来。     

基于模糊近容度的战时物资供应偏好选址

提出一种基于模糊近容度的战时物资供应的偏好选址方法,认为选址方案的确立是一个模糊多属性决策过程,而且这些属性在决策中具有主观偏好性,决策表是在原始模糊条件属性表的基础上,根据模糊粗糙隶属度和近似精度约简得到。选址方案的排序由模糊近容度生成。最后说明此方法在应用上的合理性和有效性。