Fuzzy蕴涵代数与MV代数

本文讨论Ｆｕｚｚｙ蕴涵代数与ＭＶ代数之间的关系，并证明了在一定的条件下Ｆｕｚｚｙ蕴函代数是剩余格。     

粗糙集代数中的剩余格结构

讨论粗糙集代数与剩余格的关系.借助近似代数上的原子及同余关系,证明了在适当选取蕴涵算子及相应的剩余算子之后,粗糙集代数就成为剩余格,并进而证明了粗糙集代数也是MV代数与R0代数.     

格蕴涵代数与MV-代数

§１．　ＩｎｔｒｏｄｕｃｔｉｏｎＩｎｏｒｄｅｒｔｏｒｅｓｅａｒｃｈｔｈｅｌｏｇｉｃａｌｓｙｓｔｅｍｗｈｏｓｅｐｒｏｐｏｓｉｔｉｏｎａｌｖａｌｕｅｉｓｇｉｖｅｎｉｎａｌａｔｔｉｃｅｆｒｏｍｔｈｅｓｅｍａｎｔｉｃｖｉｅｗｐｏｉｎｔ,ｗｅｈａｖｅｐｒｏｐｏｓｅｄｔｈｅｃｏｎｃｅｐｔｏｆｌａｔｔｉｃｅｉｍｐｌｉｃａｔｉｏｎａｌｇｅｂｒａｓｉｎ［１］ａｎｄｈａｖｅｄｉｓｃｕｓｓｅｄｔｈｅｉｒｓｏｍｅｐｒｏｐｅｒｔｉｅｓ．ＭＶ－ａｌｇｅｂｒａｓｗｅｒｅｉｎｖｅｎｔｅｄｂｙＣ．Ｃ．Ｃｈａｎｇ［２］ｉｎｏｒｄｅ…     

MV代数定义的蕴涵简化形式

通过对MV代数和Lukasiewicz命题演算系统的研究,我们对MV代数的定义进行了简化,并讨论了MV代数和其它代数之间的关系。主要结果是:(1)从蕴涵角度出发,给出了MV代数的两种简化定义;(2)提出了弱格蕴涵代数的概念,并证明了它与BR0代数等价;(3)证明了弱格蕴涵代数是正则Fuzzy蕴涵代数。     

基于剩余格理论的P-有界分配格的理想集代数

讨论P-有界分配格的理想集代数与剩余格的关系.证明了在适当选取蕴涵算子及相应的剩余算子之后,P-有界分配格的理想集代数就成为剩余格.定义了生成理想,并借助格论上的原子定义了P-有界分配格,然后讨论了它的一些性质,得到了一些好的结论.最后证明了P-有界分配格的理想集代数也是MV代数与R0代数.     

蕴涵代数与BCK代数

系统研究 Fuzzy蕴涵代数与 BCK代数之间的关系 ,给出 MV代数与 BCK代数之间的联系 ,建立正则 FI代数和对合 BCK代数的对偶代数     

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。     

MV-代数、BL-代数、R0-代数与多值逻辑

证明三种不同形式的MV－代数刻画的等价性，分析MV－代数、BL－代数与R0代数的逻辑背景，提出若干可进一步研究的课题。     

结合代数上的粗糙集

在结合代数上引入粗糙集的理论,给出了结合代数上基于理想的同余关系,研究了结合代数的子空间上下近似的若干粗糙集性质。     

关于格上蕴涵代数及其对偶代数

给出了格蕴涵代数、MV代数、R₀代数等一些格上蕴涵代数之间的关系,并建立了它们的对偶代数.其结果描述了这些代数内部结构的特征,同时也为从语义的角度进一步研究格值逻辑系统提供了一个新的途径.     

区间粗糙数覆盖粗糙集模型

现有覆盖粗糙集仅讨论了属性值为实数、区间数或有限集值的情况,对属性值为区间粗糙数的讨论尚未见到。为此,文章提出了基于区间粗糙数的覆盖粗糙集模型。在定义了区间粗糙数距离的基础上,结合参数α和γ定义了相容度的概念,提出了相容关系和相容类的定义;然后定义了集合离散度的概念,对以相容类作为近似算子的上下近似进行了改进,提出了基于ξ阈值的集合离散度的上下近似和基于最小集合离散度的上下近似,证明了这两种上下近似的定义均提高了原有模型的精确度;最后讨论了基于最小集合离散度覆盖粗糙集模型的一些性质。     

粗糙模糊集的分解

引入λ-下截集，λ-下重截集和λ-上重截集的概念，讨论粗糙模糊集的构造，并得到并、交的表示。     

粗糙集的矩阵关系

将粗糙集中的集合转化为矩阵刻画,通过引入矩阵算子、类矩阵算子,借助截矩阵和关系矩阵,讨论了Paw lak粗糙集和变精度粗糙集中集合关系的矩阵计算及其所具有的一些基本性质.     

结构化变精度粗糙集

将结构化技术用于变精度粗糙集模型,提出结构化变精度粗糙集模型,并通过φ算子对该模型进行刻画,研究其相关性质,给出该模型的近似精度与粗糙度的计算公式.最后通过实例分析,进一步表明新模型的特点和优势.     

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。     

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。     

Monotonic Variable Consistency Rough Set Approaches

We consider probabilistic rough set approaches based on different versions of the definition of rough approximation of a set. In these versions, consistency measures are used to control assignment of objects to lower and upper approximations. Inspired by some basic properties of rough sets, we find it reasonable to require from these measures several properties of monotonicity. We consider three types of monotonicity properties: monotonicity with respect to the set of attributes, monotonicity with respect to the set of objects, and monotonicity with respect to the dominance relation. We show that consistency measures used so far in the definition of rough approximation lack some of these monotonicity properties. This observation led us to propose new measures within two kinds of rough set approaches: Variable Consistency Indiscernibility-based Rough Set Approaches (VC-IRSA) and Variable Consistency Dominance-based Rough Set Approaches (VC-DRSA). We investigate properties of these approaches and compare them to previously proposed Variable Precision Rough Set (VPRS) model, Rough Bayesian (RB) model, and previous versions of VC-DRSA.     

基于截集的变精度模糊粗糙集模型

从多数包含度的定义出发,用多数包含度描述了变精度粗糙集模型,进而研究了变精度模糊粗糙集模型及其性质.