完备格上模糊粗近似算子的代数结构

模糊粗集是粗集的模糊化。现有模糊粗集大多建立在t-范数、模糊（t-）相似关系以及对偶原理基础之上。本文将模糊知识（模糊数据）的属性值集[0，1]拓广到一般完备格，基于一般二元模糊关系、模糊合取算子以及模糊合取和模糊蕴涵间的“伴随”关系研究一类模糊粗近似算子。本文对一般模糊粗集的代数结构做了详尽的探讨，并研究了新的模糊粗集与经典粗集和模糊粗集之间的联系。结论表明：粗集的这种模糊化方法保持了Pawlak粗集的代数性质；所提出的模糊粗集是现有典型模糊粗集的一般化；而且，模糊粗近似的贴近度得以提高。     

覆盖S-粗集模型的性质

讨论基于覆盖理论的S-粗集模型的性质,给出了S-粗集生成的拓扑结构,证明了覆盖S-粗集模型与自反、传递关系下的S-粗集模型是等价的。     

λ-模糊粗传递模型及其特性

根据实际中的三种信息传递情况,本文利用粗糙模糊集、模糊子集、截集等理论讨论了λ-模糊粗传递模型的特性,得到了λ-模糊粗传递模型与模糊粗传递模型的关系,给出了两种分解定理.以此为基础,分析了λ-模糊粗传递模型中信息的变化情况,给出了信息精确传递的条件,进一步得出了提高信息传递精确性的方法.λ-模糊粗传递是粗糙模糊集的一种新的应用.     

扩张原理的粗集表示

粗集、模糊集均是处理不确定信息的数据分析工具,是数据挖掘的重要方法.由Zadeh首先提出的模糊扩张原理是模糊集理论的最基本的原理之一,粗集是通过上、下近似算子来发挥作用的.本文讨论扩张原理与粗集上近似之间的关系,证明了扩张原理可以表示成粗集上近似的形式,因此,扩张原理成了粗集与模糊集之间的桥梁.此外,借助粗集上、下近似算子的公理系统解决了扩张原理的反问题.     

相似关系粗集理论与相似关系信息系统

粗集理论认为知识表现为人们对对象的分类能力 ,从而用等价关系定义上 (下 )逼近并用于信息系统中知识的简约和归纳学习的研究。本文针对现实中数据局限导致等价关系弱化为相似关系 ,用相似关系代替等价关系建立粗集理论并以它为基础建立相似关系信息系统 ,进而在此类系统中研究知识简约与静态学习。文中还作为特例来讨论属性相似关系信息系统 ,作为推广而研究模糊相似关系信息系统及其近似系统     

动态粗集的一种新结构

Z.Pawlak粗集理论是一种研究和处理静态知识的静态粗集理论.提出研究和处理动态知识的动态粗集理论,给出动态粗集的数学表示,定义知识库上的元素迁移系数、D-粗集、D-近似集等概念,研究D-粗集的迁移特性,给出D-粗集退化定理、D-粗集转化定理、迁移平衡定理等,并进行实例分析和意义解析.D-粗集是Pawlak粗集的一般形式,而Pawlak粗集可以看作D-粗集的一种特例.     

广义多值直觉模糊软集及其在多属性决策中的应用

软集理论作为一种处理不确定问题的数学新工具弥补了传统模糊理论在参数工具上的不足。本文将广义模糊软集与多值直觉模糊集相结合,提出了广义多值直觉模糊软集的概念,给出了广义多值直觉模糊软集的交、并、补、“且”、“或”运算的概念,并基于这些概念研究其若干相关性质。此外,还将广义多值直觉模糊软集应用到多属性决策问题中去,给出相应的算法。并进行实例分析说明该决策方法的可行性和有效性。     

λ-粗模糊集的分解

在模糊等价关系的基础上建立了λ-等价类和给出了λ-粗集的一般形式,根据等价关系R~强λ-截集的定义给出了强λ-等价类的定义和λ-强粗集的形式;然后根据模糊集与普通集合的分解定理,给出λ-粗模糊集的分解定理的几种形式;最后由λ-粗模糊集的分解定理可以求出R~-粗模糊集,并给出了R~-粗模糊集的几种表示形式。     

直觉(λ,η)-函数粗集

利用函数S-粗集,提出直觉(λ,η)-函数粗集,给出它的数学结构和特性,又探讨直觉(λ,η)-函数粗集与函数S-粗集的关系。从解决实际问题的角度来说,直觉(λ,η)-函数粗集是函数粗集的一般形式,函数S-粗集是直觉(λ,η)-函数粗集的特例。直觉(λ,η)-函数粗集是粗集研究的一个新方向。     

直觉模糊S-粗集的一般结构及性质

在一般等价关系下,给出单向直觉模糊S-集合、双向直觉模糊S-集合的概念,利用这些概念,提出直觉模糊S-粗集,给出直觉模糊S-粗集的数学结构和有关结论,对有关性质进行了讨论。直觉模糊S-粗集为研究动态信息系统中大量的不确定性问题提供了新的途径和方法。     

基于泛系粗糙集等价算子上的粒计算模型

标准粗糙集使用等价类作为粒来描述概念.本文弱化对等价关系的要求, 将更广泛的粒计算模型建立到泛系粗糙集上去.本文通过对全域的分割和覆盖来诱导出泛系粗糙集上的粒计算模型.     

双向S-粗模糊集及其性质

讨论模糊集与双向S-粗集的联系。首先给出双向S-粗模糊集的概念,接着讨论它们的并、交、补运算及其性质;特别地,证明双向S-粗模糊集对并、交、补运算构成完全可无限分配的软代数。     

覆盖广义粗糙集的模糊性

在研究覆盖广义粗糙集的基础上,利用两个距离函数Hamming和Euclidean距离函数,结合模糊集的最近寻常集,引入了覆盖广义粗糙集模糊度的概念,给出了一种模糊度计算方法,并证明了该模糊度的一些重要性质。这些结果在覆盖广义粗糙集的理论研究和应用都发挥着一定作用。     

基于覆盖粗糙集理论中的约简与求核

提出基于分辨矩阵的求覆盖粗糙集约简与核的方法,在Zakowski提出的覆盖粗糙集模型的基础上,利用分辨矩阵的一些性质,把文献[10]中的粗糙集理论中的约简与求核方法应用到基于覆盖的粗糙集理论中,既简化了覆盖粗糙集理论中的约简与求核过程,又推广了文献[10]的方法,最后举例说明此方法的有效性。     

限制容差关系下的集对变精度粗糙集模型

不完备信息系统中目前有多种扩充,如基于容差关系的扩充、基于相似关系的扩充等等,但是这些扩充都各自存在局限性。针对这些局限性,引入相对分类错误率的概念,提出了一种基于限制容差关系下的集对变精度粗糙集模型。这就将经典的粗糙集模型和限制容差关系下的集对粗糙集模型进行了推广。然后,讨论了该模型上、下近似算子的一些性质。最后,通过一个具体例子,说明了该模型在不完备信息系统中处理模糊和不确定性知识是可行、有效的。     

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。     

近似空间中的孤点与粗相等类的代数结构

讨论近似空间中的孤点对其代数结构以及粗相等的清晰集刻画的影响。利用基本知识集,对应于粗糙集的上、下近似集对与正、负域集对,分别定义了两个代数系统,证明了它们与粗相等类集合上的格是格同构的;给出了粗相等类的两种具体的结构形式。     

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。     

A rough set approach to intuitionistic fuzzy soft set based decision making

The soft set theory, originally proposed by Molodtsov, can be used as a general mathematical tool for dealing with uncertainty. Since its appearance, there has been some progress concerning practical applications of soft set theory, especially the use of soft sets in decision making. The intuitionistic fuzzy soft set is a combination of an intuitionistic fuzzy set and a soft set. The rough set theory is a powerful tool for dealing with uncertainty, granuality and incompleteness of knowledge in information systems. Using rough set theory, this paper proposes a novel approach to intuitionistic fuzzy soft set based decision making problems. Firstly, by employing an intuitionistic fuzzy relation and a threshold value pair, we define a new rough set model and examine some fundamental properties of this rough set model. Then the concepts of approximate precision and rough degree are given and some basic properties are discussed. Furthermore, we investigate the relationship between intuitionistic fuzzy soft sets and intuitionistic fuzzy relations and present a rough set approach to intuitionistic fuzzy soft set based decision making. Finally, an illustrative example is employed to show the validity of this rough set approach in intuitionistic fuzzy soft set based decision making problems.