模糊粗糙集代数

一个粗糙集代数是由一个集合代数加上一对近似算子构成的。本文用公理化方法定义了模糊环境下的近似算子和粗糙集代数系统。证明了若系统(Φ(U),∩,∪,-,L,H)是一个模糊粗糙集(粗糙模糊集)代数,则其导出的系统(Φ(U),∩,∪,-,LL,HH)也是模糊粗糙集(粗糙模糊集)代数,同时讨论了特殊类型的模糊粗糙集代数和粗糙模糊集代数与其导出的系统之间的关系。     

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.     

粗糙直觉模糊集的近似表示

在粗糙直觉模糊集的基础上,从新的角度提出了不确定目标概念的近似表示和处理的方法(通过近似模糊集和近似精确集刻画).首先将已有的直觉模糊集相似概念和均值直觉模糊集概念引入到该模型,定义了Pawlak近似空间U/R下的阶梯直觉模糊集、0.5-精确集的概念,然后得到了均值直觉模糊集(0.5-精确集)是所有直觉模糊集中与目标直觉模糊集最接近的直觉模糊集(近似精确集),接着分析了均值直觉模糊集、0.5-精确集分别与目标直觉模糊集的相似度随着知识粒度变化的变化规律.     

一类广义区间值模糊粗糙集的公理化刻画

首先在一般区间值模糊关系上定义了两个论域上的一类广义区间值模糊粗糙集.借助区间值模糊集的截集给出区间值模糊粗糙上、下近似算子的一般表示.讨论了各种特殊的区间值模糊关系与区间值模糊近似算子性质之间的等价刻画.最后利用公理化方法刻画区间值模糊粗糙集.描述区间值模糊上、下近似算子的公理集保证了生成相同近似算子的区间值模糊关系的存在性.     

基于弱包含的区间值模糊集的上下近似

给出了区间值模糊集的弱包含概念,并在弱包含概念的基础上定义了区间值模糊集的上下近似及其粗糙度、得到了区间值模糊集上下近似的性质,并且验证了本文定义的区间值模糊集的λ上下近似比文献[1]中提出的λ 上下近似逼近程度更高,粗糙度更小.     

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。     

基于区间值模糊剩余蕴含算子的广义区间值模糊粗糙集模型

把粗糙集理论和区间值模糊集理论结合起来,利用粗糙集理论的构造性方法,提出了一种广义区间值模糊粗糙集理论模型。首先,利用区间值模糊剩余蕴含算子和它的对偶算子,定义了一种广义上下区间值模糊粗糙集近似算子。然后,利用该蕴含算子的性质,讨论了该模型上下近似算子的一系列性质。最后,确立了一些特殊的区间值模糊关系和区间值模糊粗糙集近似算子的联系。     

基于粗糙隶属函数的强粗糙模糊近似算子

在Pawlak近似空间中,针对模糊目标概念,假设在信息粒度不变的情况下,试图寻求模糊目标集合更好的近似集.为此将粗糙隶属函数看成一个模糊集,利用其介于普通粗糙模糊下近似与上近似之间的特点,对现有的粗糙模糊集模型进行改进.建立模糊目标概念新的下近似集与上近似集,使其与已有的粗糙模糊集模型相比,对近似空间有更高的精度,对目标集合有更好的贴近度.并讨论新的近似集的一些基本性质,最后通过数值算例进一步说明新提出的下近似与上近似算子的优越性.即可以从已知的数据集中获得更准确的知识,因此这是一种更精确的知识发现方法.     

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。     

模糊集在手写数字识别中的应用

为提高识别速度，本文提出先对文字图象进行直（折）线段、圆的ＬＭＳＥ近似并用Ｆｕｚｚｙ定义算法进行描述，以得到对书写工整的部分数字的快速识别，其速度提高近两倍（达到３７５个／秒），约有２０％的字在这一过程中就可以被识别。本文叙述的算法已经用在我们进行的无限制手写数字识别系统的实验中；反复使用表明：本文提出的方法既快又准确。     

Fuzzy Closure Spaces vs. Fuzzy Rough Sets

This paper investigates the relationship among fuzzy rough sets, fuzzy closure spaces and fuzzy topology. It is shown that there exists a bijective correspondence between the set of all fuzzy reflexive approximation spaces and the set of all quasi-discrete fuzzy closure spaces satisfying a certain extra condition. Similar correspondence is also obtained between the set of all fuzzy tolerance approximation spaces and the set of all symmetric quasi-discrete fuzzy closure spaces satisfying a certain extra condition.     

多集值信息表中的多粒度模糊决策论粗糙集

多粒度粗糙集和决策论粗糙集是Pawlak粗糙集的重要推广,目前已成为人工智能研究的热点.然而,它们大多处理的都是单值信息系统中的问题.而实际生活中绝大多数都是处理多值问题,为了解决这一问题,在多集值信息表中将多粒粗糙集与模糊决策论粗糙集相结合进行研究,提出了其在乐观,悲观情形下的上下近似,研究了一些相关性质并给出了多集值信息表中的多粒度模糊决策论粗糙集精度、粗度的概念,最后通过一个具体例子验证其有效性.     

基于k阶二元关系的直觉模糊粗糙集

利用k阶二元关系定义直觉模糊粗糙集,讨论了分别为串行、自反、对称、传递关系时所对应的上、下近似算子的性质。在有限论域U中,研究了任一自反二元关系所诱导的直觉模糊拓扑空间中直觉模糊闭包、内部算子与相对应的上、下近似算子的关系。     

由子基生成的内部算子和闭包算子

本文研究粗糙集与拓扑空间的关系,统一地使用拓扑空间中的集合关于子基的内部和闭包来研究粗糙集理论和覆盖广义粗糙集理论中的下近似集和上近似集,以及由它们导出的关于子基的开集,导集,闭集,边界．研究这两个概念及由它们导出的相关概念的性质不仅对于粗糙集理论,而且对于拓扑学本身都有重要的理论和实际应用意义．     

A note on the article “Fuzzy alpha-sets and alpha-continuous maps”

In this note we show that some results which appeared in the article by M.K. Singal and N. Rajvanshi [Fuzzy Sets and Systems 48 (1992) 383–390] are incorrect.     

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。     

模糊T-粗糙集的代数性质

利用完备分配格L上t-模T,引进L上模糊T-粗糙集的概念,在此基础上定义模糊商集及其上、下近似的概念,研究它们的代数性质,得到若干结果。     

Fuzzy Ideals and Fuzzy Distributive Lattices

Our main objective is to study properties of a fuzzy ideals(fuzzy dual ideals).A study of special types of fuzzy ideals(fuzzy dual ideals) is also furnished.Some properties of a fuzzy ideals(fuzzy dual ideals) are furnished.Properties of a fuzzy lattice homomorphism are discussed.Fuzzy ideal lattice of a fuzzy lattice is defined and discussed.Some results in fuzzy distributive lattice are proved.