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。     

(λ,μ)-模糊子环和理想的进一步讨论

在(λ,μ)-模糊子群的基础上,进一步刻画了(λ,μ)-模糊子环和理想.详细讨论了(λ,μ)-模糊子环和理想的性质,以及它们与截集的关系,给出了相应结论.     

半群中的(λ,μ)-模糊理想(英文)

在半群中给出了(λ,μ)-模糊子半群和各种(λ,μ)-模糊理想的概念,讨讹了它们的一些性质,并给出了各种(λ,μ)-模糊理想的充分必要条件.     

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.     

半群中的(λ,μ)-模糊素理想与(λ,μ)-模糊准素理想

利用(λ,μ)-截集,在一个半群中引入了(λ,μ)-模糊素理想、模糊半素理想、模糊准素理想与模糊半准素理想的概念,研究了他们的运算性质,并得到了他们的一些等价条件。     

(λ,μ)-商模糊子群及其同构定理

在(λ,μ)-模糊子群与(λ,μ)-模糊正规子群概念的基础上,讨论了(λ,μ)-模糊商群和(λ,μ)-商模糊子群的性质,并且建立了(λ,μ)-商模糊子群的同构定理。     

(λ,μ)-反模糊子环和(λ,μ)-反模糊理想

引入(λ,μ)-反模糊子环及各种(λ,μ)-反模糊理想的概念,得到了(λ,μ)-反模糊子环及各种(λ,μ)-反模糊理想的等价条件及其性质,建立了同态映射下(λ,μ)-反模糊子环及各种(λ,μ)-反模糊理想的对应定理。     

(λ,μ)-反模糊子群的研究

基于(λ,μ)-反模糊子群概念及其基本性质,深入刻画了(λ,μ)-反模糊子群以及(λ,μ)-反模糊正规子群的结构.首先讨论了群G的(λ,μ)-反模糊子群在G的不同元素上隶属度的分布情况,其次研究了(λ,μ)-反模糊正规子群在G的不同元素上隶属度的分布情况,最后对循环群和阿贝尔群上(λ,μ)-反模糊子群及正规子群的结构进行详细讨论并给出了相应的结果.     

(λ,μ)-模糊子群的运算

给出了(λ,μ)-模糊子群和正规子群的有关性质,讨论了(λ,μ)-模糊子群的交、积、逆以及余等运算的相关性质。     

(λ,μ)Vague群

进一步研究Vague群。首先,给出Vague集和Vague群的几个性质;其次,引入(λ,μ)Vague群、(λ,μ)Vague正规群、(λ,μ)Vague正规化子、(λ,μ)Vague中心化子的概念,研究了它们的一些等价条件和在同态条件下像与原像的性质。     

模糊粗糙集及粗糙模糊集的模糊度

1965年,Zadeh提出了Fuzzy集理论,1982年,Z.Pawlak提出Rough集理论。将二者结合而形成的模糊粗糙集（FR集）及粗糙模糊集（RF集）近年来越来越受到国际学术界的关注。本文所研究的FR集及RF集的模糊度,是对FR集及RF集模糊程度的一种度量,进而引进了相应的明可夫斯基距离,明可夫斯基模糊度和Shannon模糊度。     

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。     

基于粗糙集的模糊决策算法

给出一种从连续决策表中提取模糊决策规则的规则提取算法。首先,转化连续属性值为模糊值;然后,给出两个不同对象的模糊属性值关于相应连续属性的相似度;其次,给出了λ相似关系与λ相似类的定义。根据λ相似关系,给出粗糙-模糊空间中的下近似与上近似概念;最后,结合模糊集与粗糙集理论的思想,给出一种从连续值域决策表获取决策规则的算法,并通过实例说明该算法的有效性。     

模糊粗糙集及粗糙模糊集的贴近度及其应用

本文研究了模糊粗糙集（FR集）及粗糙模糊集（RF集）的贴近度，是权衡两个FR集，两个RF集彼此糙近程度的一种标尺，进而研究了FR集，RF集的内积，外积，引进了FR集，RF集的格贴近度，并在此基础上提出一种新的属性约简的方法。     

基于粗糙集与模糊集的信息检索算法

结合粗糙集与模糊集理论,提出一种信息检索的新方法.该方法首先对已知文本信息按关键词进行模糊聚类;然后利用粗糙集理论求出各关键词的重要性程度;最后根据最大相似度原则对文本信息进行检索,若结果集中文本数量较大,则按文本与已知文本的相似度从高到低进行排序,先返回相似度较高的相关文档.     

粗糙模糊集与模糊粗糙集的截集性质

研究粗糙模糊集、模糊粗糙集、广义粗糙模糊集和广义模糊粗糙集的截集性质,并且还研究了基于逻辑算子的广义模糊粗糙集的基本性质。     

基于模糊粗糙集挖掘方法的证券价格预测研究

为了能更好地对证券市场价格进行合理预测，利用模糊粗糙集以及数据挖掘技术对证券市场中的股票价格在给定时问内进行预测。首先利用模糊集和粗糙集方法将股票价格进行预分类，并按时间属性进行分组，而后通过给出的模糊相似关系下的模糊粗糙集计算每组的真值，通过数据挖掘方法获得候选属性，最终得到相应时间段内的有用规则，根据所得规则预测某一时间段内股票价格的变化趋势。测试结果表踢，该方法能获得较高的准确率，证明其有效性较好。     

基于粗糙集与模糊集的连续值域决策表的离散化算法

将粗糙集理论与模糊集理论结合起来,给出一种连续值域决策表的离散化算法。该算法从已知数据的初始决策系统出发,首先构造对像的相似矩阵,然后根据相似矩阵的传递闭包及粗糙集正域的思想得出决策表的条件类,再根据条件类将连续值决策表化为区间值决策表,最后根据各区间值将连续值域决策表化为离散决策表。     

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.     

属性模糊集的分解特征

在模糊集理论研究的基础上,结合粗糙集的属性集、元素迁移的相关知识,提出属性模糊集的概念,利用给出属性模糊集的有关知识,结合模糊集与粗糙集合的有关理论,得到了属性模糊集的一系列重要定理,为模糊集合理论的进一步研究奠定了理论基础.