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.     

基于语言值软集的多准则群决策方法及其应用

在语言值评估集上引进适当的运算,建立语言值逻辑代数系统,并利用虚拟术语指标不丢失信息的特点,扩展语言值逻辑代数系统为连续语言值逻辑代数系统。通过加权平均算子将全部专家对各决策方案的语言值评估信息集结,得到专家群对全部决策方案就全部准则的集中评估,全部集中评估值构成决策方案上的语言值软集。建立优化模型计算最优准则权重,利用最优准则权重将专家关于各准则的语言值评估结果进行集结,得到各专家对全部决策方案的评估值,评估值全体可看成专家群上的语言值软集,这里参数集为决策方案集。建立基于决策方案上的语言值软集的粗糙近似模型——语言值粗糙近似模型,通过计算各专家对全部决策方案的评估值关于语言值粗糙近似模型的下近似和上近似,得到专家群上的语言值下近似软集和上近似软集。通过对全部决策方案评估集及其语言值粗糙下近似、上近似进行加权算术平均,分别得到三个决策方案上的语言值模糊集。通过三个语言值模糊集对全部决策方案排序。最后,应用基于语言值软集的多准则群决策方法对电子商务监管系统安全进行多准则综合决策评估,说明本文提出的多准则群决策方法是有效的和合理的。     

单向奇异粗糙模糊集合的结构

用模糊集合与模糊等价关系对单向奇异粗集进行了研究,并给出了单向奇异粗糙模糊集合的数学结构及其并、交、补运算和性质.同时证明了单向奇异粗糙模糊集合对并、交、补运算构成完全可无限分配的软代数.     

双极值犹豫模糊软集及其在决策中的应用

双极值犹豫模糊集拓展了模糊集的概念,是处理模糊问题的一种新的数学工具,但仍然存在参数工具上的不足。为进一步提升决策的精确度,将双极值犹豫模糊集与软集相融合,构建了一种新的混合数学模型,即双极值犹豫模糊软集。首先补充了双极值犹豫模糊集的一些相关理论;接着给出了双极值犹豫模糊软集的概念,同时定义了补、并、交、"且"、"或"等运算法则;然后基于上述运算法则,分析对应的运算结果,且讨论了相关的运算性质;最后提出了双极值犹豫模糊软集的一种多属性决策方法,并通过实例阐明其有效性。     

区间灰数直觉模糊集及其G-TOPSIS模糊多属性决策方法

提出以区间灰数为隶属度、非隶属度和犹豫度的区间灰数直觉模糊集概念,定义了两个区间灰数直觉模糊集之间的距离.对于以灰直觉模糊数为属性值的模糊多属性决策,依据经典TOPSIS准则,提出了基于区间灰数直觉模糊集的模糊多属性决策方法G-TOPSIS.其包含两种方法:一是将区间灰数白化后,按直觉模糊集的TOPSIS方法进行;一是基于区间灰数直觉模糊距离的TOPSIS方法.示例分析表明了两种方法的有效性与一致性.     

广义对偶犹豫模糊软集及其在决策中的应用

犹豫模糊软集作为一种处理不确定问题的工具受到了广泛关注。本文将广义模糊软集与对偶犹豫模糊集相结合,提出了广义对偶犹豫模糊软集的概念,给出了广义对偶犹豫模糊软集的交、并、补、“且”、“或”运算的概念,并基于这些概念研究其若干相关性质。此外,定义了广义对偶犹豫模糊软集的信息能量、相关性和相关系数的概念并讨论了它的性质。最后,给出了基于广义对偶犹豫模糊软集的多属性决策方法,并通过实例说明了该方法的的可行性和有效性。     

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.     

粗糙集的矩阵刻画

本文首先从一个二元关系矩阵出发,给出经典粗糙集、模糊粗糙集、粗糙模糊集的上下近似的矩阵描述,然后研究了它们的性质,最后将粗糙集、模糊粗糙集、粗糙模糊集的上下近似的定义用矩阵的方法统一起来,给研究带来了方便。矩阵的方法不仅提供了上下近似的简单的计算方法,也提供了一种新的推理的方法。     

广义多值直觉模糊软集及其在多属性决策中的应用

软集理论作为一种处理不确定问题的数学新工具弥补了传统模糊理论在参数工具上的不足。本文将广义模糊软集与多值直觉模糊集相结合,提出了广义多值直觉模糊软集的概念,给出了广义多值直觉模糊软集的交、并、补、“且”、“或”运算的概念,并基于这些概念研究其若干相关性质。此外,还将广义多值直觉模糊软集应用到多属性决策问题中去,给出相应的算法。并进行实例分析说明该决策方法的可行性和有效性。     

覆盖近似空间的连续与同胚映射

利用一般映射研究了覆盖近似空间的一些性质,并证明了一些结论.接着定义了覆盖空间的粗糙连续映射及粗糙同胚映射.最后在覆盖粗糙连续映射和覆盖粗糙同胚映射的条件下,研究了两个覆盖近似空间的有关性质,进而在某种程度上为覆盖近似空间的分类提供了理论依据.     

多粒度模糊粗糙集研究

本文研究了模糊粗糙集中属性约简问题.利用模糊粗糙集和多粒度粗糙集各自优点的结合,提出了两类多粒度模糊粗糙集模型,使得两类粗糙集中的上下近似算子关于负算子对偶.同时研究了多粒度模糊粗糙集的性质及与单粒度模糊粗糙集的关系.并通过构造区分函数的方法提出了一类多粒度模糊粗糙集模型的近似约简方法.最后用一个实例核对了该类多粒度模糊粗糙决策系统近似约简方法的有效性.     

粗糙模糊集的模糊性度量

研究粗糙模糊集的模糊性度量,提出了一种新的熵与条件熵的概念,并验证了这种熵与Shannon熵类似的性质。利用这种熵定义了粗糙模糊集的一种不确定性度量,证明了粗糙模糊集的模糊性度量FR（A）等于0的充分必要条件是A是经典集合且是可定义的。     

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.     

基于包含度的模糊随机粗糙集模型

针对随机性与模糊性同时存在的情形,提出了建立在模糊随机近似空间上的基于包含度的模糊随机粗糙集模型.首先给出了模糊随机近似空间的概念,然后利用包含度提出了模糊随机近似空间上的一种基于模糊随机集的粗糙近似算子.最后讨论了这种近似算子的一些性质.     

软拓扑空间的分离性质

研究了软拓扑空间的相关性质.采用经典拓扑学的定义方法,定义了新的软点和软连续,证明了软拓扑空间及乘积拓扑空间有关的分离性质,通过例子说明了各种分离性质之间的关系,进一步推广了软拓扑空间.     

软群

Molodtsov提出了软集——一种处理不确定性信息的数学工具.本文在进行了阐述软集的相关概念和性质后,接下来给出了软群的定义,并对软群的软同态做了进一步研究.     

广义近似空间的粗糙同胚与拓扑同胚

对广义近似空间之间的映射引入并刻画了粗糙连续性和拓扑连续性,探讨了他们的性质及相互关系.证明了两个粗糙连续映射的复合还是粗糙连续的,每个粗糙连续的映射都是拓扑连续的.在此基础上引入了粗糙同胚性质和拓扑同胚性质的概念,证明了拓扑同胚性质均为粗糙同胚性质并考察了广义近似空间的诸如分离性、连通性、紧性等的粗糙同胚不变性和拓扑同胚不变性.     

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。     

犹豫模糊参数软集及其在多属性群体决策中的应用

本文从参数权重的犹豫性角度出发,将犹豫模糊集与软集相结合,首次引入犹豫模糊参数软集的概念,讨论了犹豫模糊参数软集的若干基本运算及其性质。接着,分析了犹豫模糊参数软集、犹豫模糊集、模糊参数软集三者之间的内在联系,在此基础上研究了犹豫模糊参数软集在多属性群体决策中的应用,给出两种不同的决策算法,并通过实例验证了这两种方法的可行性及有效性。     

模糊参数软区间集及其应用

将模糊参数软集与区间集相结合,定义了模糊参数软区间集的概念,研究了模糊参数软区间集的运算及其性质.然后,给出模糊参数软区间集在决策中的应用,说明了方法的可行性.推广了软区间集的相关研究结果.