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.     

模糊集合的模糊度的一种表示形式

给出了当论域是有界区间时,模糊度的表示形式的一个定理,利用这个定理可以得到用熵函数和距离函数所表示的模糊度的具体形式.     

B—模糊集合代数和广义互信息公式

基于两种概率的区分，推导出了一个广义Shannon熵公式和一个广义互信息公式。后者和模糊性有关，并且柯用于语言和感觉中的信息度量。为了由原子语句为真的条件概率求出合语句为真的条件概率，提出了一个遵循存尔运算的模糊集合代数。所谓的模糊信息被还原为概率信息。新的理论在经典理论－概率论，集合论及Shannon信息论－的基础上容易理解。     

基于区间数度量的区间值模糊集合的贴近度和模糊度的关系

给出了基于区间数度量的区间值模糊集合的贴近度和模糊度的概念,详细研究了区间值模糊集合的贴近度和模糊度之间的关系,并基于公理化定义,证明了它们二者之间的相互转化关系,最后,给出了若干公式来计算区间值模糊集合的贴近度和模糊度。     

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。     

模糊数直觉模糊集

定义一种新的模糊数直觉模糊集,同时给出了它的一些运算,并讨论了它与直觉模糊集、区间值直觉模糊集的关系。     

关于模糊集合的公理化定义

基于对模糊现象的本质及其特征的深入分析,提出了关于模糊现象本质的新认识,建立了隶属度的公理系统,在此基础之上,定义了模糊划分的概念,并基于模糊划分给出了模糊集合的公理化定义.本文基于模糊隶属空间所建立的公理化模糊集合能够为从“全局”或“整体”上处理模糊信息提供一种有效的数学模型.     

分置信度的模糊统计方法

在对模糊统计原理进行理论分析的基础上，提出一种改进的模糊统计方法：分置信度的模糊统计方法，该方法充分考虑随机因素对模糊统计的影响，精度分析表明，当统计步长趋于零时，用此方法求得的“隶属度”以概率收敛于隶属度的真值。     

关于有限论域上模糊度定理的一个注记

设F（U）为有限论域U={u1,u2,…,un}上的模糊幂集.令D：F（U）→[0,1],AaD（A）=g（∑i=1^n ci fi（A（ui）））,其中ci〉0,fi：[0,1]→[0,＋∞）满足（1）fi（x）=fi（1-x）,（2）fi（0）=0,（3）fi在[0,0.5]上严格递增.又设a=∑i=1^n ci fi（0,5）,且g：[0,a]→[0,1]严格递增,g（0）=0,g（a）=1.某教材中的定理断定具有上述性质的映射D为F（U）上的模糊度函数.本文构造出具有上述性质的D,但D不满足模糊度函数定义中的可加性条件,故不为F（U）上的模糊度函数.本文进一步指出,若将g的定义域扩展为[0,2a],并再假定g是可加的,则可使D为F（U）上的模糊度函数.     

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。     

连续并既约元及其在刻画Fuzzy关系方程解集中的应用

本文首先引入连续并既约元(是并既约元但不是完全并既约元的元)的概念,并讨论了它的性质,然后应用连续并既约元的性质去刻画完备Brouwer格上无限Fuzzy关系方程A☉X=b的解集(其中A=(aj)j∈J和b已知,b为连续并既约元,X= (xj)j∈JT未知,“☉”表示“sup-inf”,J为无限集):给出了方程存在可达解与不可达解的充要条件及可达解与不可达解的一些性质,进一步刻画了方程的解集．     

凸合成模糊对策的模糊稳定集

本建立了凸合成模糊对策的模型，并得到了凸合成模糊对策的模糊稳定集，可由子对策的模糊稳定集表达出来。从而解决了凸合成模糊对策的解的结构问题。     

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.     

几种凸模糊集间的转换关系

在引用扎德所定义的凸模糊集、强凸模糊集、严格凸模糊集等概念的基础上，探讨了这三种凸模糊集间的转换条件，得到凸模糊集与强凸模糊集、强凸模糊集与严格凸模糊集间的等价条件。     

模糊数直觉模糊集运算的模糊结构元表示

在文[4]提出的模糊数直觉模糊集定义的基础上,将文[2]和[7]定义的区间值直觉模糊集运算推广到模糊数直觉模糊集中.利用模糊数的结构元表示方法,得到了模糊数直觉模糊集运算的简便的结构元表示形式,同时给出这些运算的相关性质及证明.     

不完备区间值信息系统中基于相容-相似关系的模糊粗糙集方法

区间值信息系统是单值信息系统的推广模型.区间值是描述影响观测对象值的一种表示方法.然而,在实际应用中,由于遗漏、测量误差、数据传输、介质噪声等多种因素的影响,区间值往往会出现缺失值.如果忽略或丢弃包含缺失值的数据,则必须丢弃大量信息.主要针对不完备区间值信息系统,提出一种基于相容-相似关系的模糊粗糙集方法.在此基础上,推广了模糊近似算子的定义,研究了不确定性度量问题.     

Fuzzy真凸集的公理化定义

本文以基本Ｆｕｚｚｙ点、Ｆｕｚｚｙ点为基础，给出Ｆｕｚｚｙ真凸集的公理化定义，并对其性质进行了讨论     

广义Fuzzy凸集

给出了广义Fuzzy凸集的定义并在此定义下推得了Fuzzy凸集的一些重要的性质.     

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.