覆盖模糊粗糙集近似算子的拓扑性质

通过闭包与内部算子研究覆盖模糊粗糙集的拓扑结构,证明了覆盖近似空间中模糊粗糙集的上、下近似算子分别为一个模糊拓扑的闭包、内部算子;反之,满足一定条件的模糊拓扑的闭包与内部算子也恰为一覆盖近似空间中模糊粗糙集的上、下近似算子．     

格中粗糙集的若干性质

利用粗糙集的理论方法,对格的粗糙集和S-模糊粗糙集的一些性质进行研究。证明了上近似算子在分配格的理想(滤子)之集上的不动点之集关于包含序构成一个凝聚的Frame,给出了下近似算子在有限格的理想(滤子)之集上不动点的刻画。最后,研究了格的S-模糊粗糙子格(理想、滤子)的一些性质。     

关于粗糙集的若干注记（Ⅰ）——粗糙集与Stone代数

粗糙集理论是处理和表示不准确信息的极为有效的数学工具，也是对其他处理不完备信息的理论和方法(如，可能性理论，证据理论，模糊集理论等)的补充，研究了粗糙集理论与Stone代数的关系，并给出与粗糙集和条件事件密切相关的Stone代数的同构定理。     

模糊粗糙集的分解定理及表现定理

讨论了模糊粗糙集（FR集）的构造性质,给出其分解定理及表现定理。     

粗糙集模型和概率粗糙集模型的若干研究

主要叙述在等价关系、一般关系和概率论中的粗糙集模型，给出它们的定义、性质、各自的几种定义类型和它们之间的联系以及若干例子．     

粗糙集的期望表示

粗糙集理论将知识与分类联系在一起,认为知识就是人类所具有的分类能力.本文对知识的分类能力给予了量化,提出了一种新的知识表示方法,称为数学期望表示法,我们利用数学期望来定量地表示知识的分类能力.本文建立了知识与其数学期望间的关系,并证明了对于信息系统而言,知识的代数表示与数学期望表示是等价的.     

覆盖粗糙集模型的性质

讨论基于覆盖理论的粗糙集模型的性质,给出了粗糙集生成的拓扑结构,证明了覆盖粗糙集模型与自反、传递关系下的广义粗糙集模型是等价的,并进而得到了覆盖粗糙集模型的公理化描述.     

粗糙集和拓扑空间

研究了粗糙集和拓扑空间的关系,讨论了Pawlak粗糙集模型的拓扑性质,指出Pawlak粗糙集模型等价于一类特殊的正则拓扑空间,该拓扑空间一般不是Hausdorff空间,且一般不具有连通性,还证明了一个一般的二元关系下的粗糙集模型当且仅当它是自反的和传递的时,可定义一个拓扑空间,每一个拓扑空间都是一个特殊的一般关系下的近似空间。     

诱导覆盖粗糙集的概念及性质

覆盖近似空间是对Pawlak的近似空间的一种扩展,李扉在《基于信息熵的覆盖信息系统的属性约简》中提到诱导覆盖的概念,现结合覆盖粗糙集模型的理论,讨论其性质。     

双向S-属性粗糙集及其性质

针对S-粗糙集中元素的动态特性,在属性集及属性测度理论基础上,提出了双向S-属性粗糙集的概念,讨论了双向S-属性粗糙集的性质,并就双向S-属性粗糙集的精度进行了讨论.     

基于粗糙集理论的Bayes粗糙模型研究

从经典的概率粗糙集推广模型出发,参照Bayes因子,研究了一种Bayes粗糙集模型,该模型不受先验概率的影响,从而减小了决策失误的风险．     

李代数中粗糙集的一些性质

把粗糙集的思想引入到李代数中,研究了李代数中粗糙集及其在同态下的若干性质.     

几种不确定性测度的粗糙集解释

以粗糙集为基础，研究了信任函数与内测度、信任函数与随机集的下概率之间的关系，并给出了它们基于粗糙集理论的解释，首先将粗糙集与随机集作了比较，并由此得出了信任函数与下概率的关系。其次，对内测度的集合特征作了分析后，给出了信任函数与内测度的关系。     

程度粗糙集

从广义程度粗糙集出发,定义了程度粗糙集,深入讨论了其内部构造,得出了程度粗糙集简化运算的重要方法.对比经典粗糙集性质,研究了程度粗糙集3个方面的性质:集合与其程度近似集的关系、程度近似算子的幂作用、程度边界算子对粗糙集性质的修正.得出了若干具有理论和应用价值的结果,并从算子论和集合论的角度丰富了粗糙集理论.     

高型粗糙模糊集及高型模糊粗糙集

定义了L型粗糙模糊集（L型RF集），给出了其相关性质，进而引进了高型粗糙模糊集（高型RF集），它比普通的RF集具有更高层次的粗糙模糊性，可用于人们对粗糙模糊现象的描述，增强人们对自然语言的表达能力，平行地，最后研究了高型模糊粗糙集（高型RF集）。     

粗糙集和模糊集的比较分析

介绍了模糊集和粗糙集各自的理论和特点,并讨论了模糊集和粗糙集的各自优点和缺点,有机将两种理论结合起来分析了模糊粗糙集、粗糙模糊集及粗糙隶属函数的性质及应用,引入变精度思想,在粗糙模糊集上定义其上下近似。     

基于邻域的隶属度覆盖粗糙集模型

通过覆盖粗隶属函数,将粗糙集理论与模糊集理论联系起来,建立一种粗糙集理论与模糊集理论间的关系.把覆盖粗隶属函数视为论域上的一个特殊模糊集,用它的α-截集和β-强截集的概念,将覆盖粗糙集模型进行推广,提出基于邻域的隶属度的覆盖粗糙集模型,并讨论了其性质.     

覆盖粗糙集的一般化

在近似空间中给出了基于最简覆盖的等域关系定义,证明了它是论域上的一个不可区分关系·由此,覆盖粗糙集转化为经典粗糙集,使得经典的粗糙集理论的应用范围得到了进一步的扩展·举例说明了一般化方法既能化覆盖粗糙集为经典的粗糙集,又提高了一个集合的近似程度·还给出了基于覆盖的近似空间中的信息处理过程的模型,该模型应用了WilliamZhu和Fei YueWang提出的覆盖约简的方法和技术来消除冗余数据,又可以使覆盖粗糙集转化为经典的粗糙集·     

模糊粗糙集的格结构

定义了模糊集合的上、下近似算子，讨论了其代数结构.证明了模糊粗糙集理论中全体可定义集合构成一个完全分配格，给出了生成这一完全分配格的元素的集合并讨论了其基本性质.