函数S-粗集与规律双向分离

函数S-粗集(function singular rough sets)是用R-函数等价类定义的,函数是一个规律,函数S-粗集具有规律特征.函数S-粗集推广了Z.Pawlak粗集.利用函数S-粗集,给出规律生成,规律分离的讨论,提出规律分离定理.给出的结果在投资分险规律估计中得到了应用.     

函数S-粗集对偶与F-粗边际规律

函数单向S粗集对偶(dual offunction one direction singular rough sets)是函数S粗集的基本形式之一,函数单向S-粗集对偶具有动态特性与规律(函数)特性.函数S粗集(function singular rough sets)是把函数概念引入到S粗集内(singular rough sets)改进S粗集得到的把导数概念与函数单向S粗集对偶交叉、渗透给出粗边际规律F-粗边际规律概念;给出粗边际规律F-粗边际规律特征;给出F-粗边际规律与粗边际规律的关系;给出F-粗边际规律在经济信息系统中的应用     

知识规律与规律的属性扰动

By employing the knowledge(R-element equivalence class)in one direction Srough sets and dual of one direction S-rough sets,the concept of knowledge law is given;the generation theorem of knowledge law,the excursion theorem of knowledge law,and the attribute disturbance discernible theorem of knowledge law are proposed.Knowledge law is a new characteristic of S-rough sets.     

函数粗集生成的粗积分(英文)

The concepts of the lower approximation integral,the upper approximation integral and rough integrals are given on the basis of function rough sets.Based on these concepts,the relation of the lower approximation integrals,the relation of the upper approximation integrals,the relation of rough integrals,and the double median theorem of rough integrals are discussed.Rough integrals have finite contraction characteristic and finite extension characteristic.     

模糊集贴近度表示的一般规律

分析了模糊集贴近度理论,得到模糊集贴近度表示的几种形式,为贴近度的实际应用提供了极大的方便.     

Meromorphic Function Sharing Sets with Its Difference Operator or Shifts

Let f be a nonconstant meromorphic function, c ∈ C, and let ■be a meromorphic function. If f(z) and P(z, f(z)) share the sets {a(z),-a(z)},{0} CM almost and share {∞} IM almost, where P(z, f(z)) is defined as(1.1), then f(z) ≡±P(z, f(z)) or f(z)P(z, f(z)) ≡±a~2(z). This extends the results due to Chen and Chen(2013), Liu(2009) and Yi(1987).     

随机模糊集及其落影大数定理

本文给出随机模糊集的定义,并证明了随机模糊集的落影大数定理,为模糊集值统计提供了理论依据。     

内扰动与属性合取扩展规律挖掘-发现

扰动的存在使得系统标准输出规律变成非标准输出规律的现象等价于在扰动存在的条件下,非标准输出规律被挖掘-发现;利用函数P-集合模型与它的动态特征给出这个现象的理论研究.主要结果:给出函数P-集合的结构与规律扰动,扰动恢复概念;给出扰动度量;利用这些概念,给出内扰动与属性合取扩展定理;属性合取扩展与内扰动规律挖掘定理,内扰动与规律挖掘辨识定理,内扰动与规律挖掘属性不变性定理.     

L－fuzzy集与素元集合套

本文在Ｌ是完全分配格时，借助于素元极大集概念引入了素元集合套，它是集合套概念的推广．从而得到了一般Ｌ-ｆｕｚｚｙ集的若干新的分解定理与表现定理．     

具有H-凸截口的非紧集的交定理及其应用

在本文内,我们推广了Ma,Fan,Tarafdar,Lassonde和Shih-Tan等作者关于具有凸截口集的交定理到没有线性结构的H-空间和非紧设置.同时给出了我们的定理对Vou Neumann型极小极大定理的应用.     

可变集—可变模糊集的发展及其在水资源系统中的应用

将可变模糊集理论,从模糊系统发展到可变模糊一清晰系统.给出可变集的对立公理与可变集定义,给出基于可变集的唯物辩证法三大基本规律的数学定理对立统一、质量互变与否定的否定定理.给出可变集在地区水资源可持续利用程度变化与发展态势的评估价原理、方法与应用实例.不仅对技术科学,而且对哲学等科学均有重要的科学意义.     

几种辅助函数方法及应用

本通过举例说明的方法说明了寻求辅助函数的几种方法及其在解题中的作用。     

模糊集贴近度的一般表示形式

根据模糊集贴近度理论,研究了模糊集贴近度的各种一般表示形式,推广了常见的各种贴近度表示形式.     

随机变量序列的大数定律及常返性定理

对一类有界独立或相依的随机变量序列|ξn|,获得了它的伯努利大数定律、波雷尔强大数定律及常返性定理.作为应用,得出了Loève专著[1]中的推广的伯努利大数定律、常返性定理,改进了[1]中的推广的波雷尔强大数定律.     

P-集合与双信息规律生成

P-集合(pacdet sets)是由内P-集合X~F(internal packet set X~F)与外P-集合X~F(outer packet set X~F)构成的集合对.P-集合是把动态特性引入到普通集合中,利用普通集合(cantor set)被提出的.在一定的条件下,P-集合能够回到普通集合的原点.利用P-集合,给出双信息规律生成概念,给出双信息规律依赖的属性特征,提出双信息规律生成定理,辨识定理,给出应用.P-集合是研究动态信息系统的一个新的数学理论与数学方法.     

Fuzzy集的基数

关于Fuzzy集的基数，[1]中曾对有限支集的Fuzzy集以及极苛刻条件下的无限Fuzzy集给出过一种定义。但是，正如本文将要指出的那样，该定义是不合理的。本文将从研究Fuzzy映射入手，给出Fuzzy集基数的一般性定义。基于这一定义，不但得到有关基数的大部分结论，而且有其自身的特殊性。     

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.     

On Extracting Maximum Stable Sets in Perfect Graphs Using Lovász's Theta Function

We study the maximum stable set problem. For a given graph, we establish several transformations among feasible solutions of different formulations of Lovász's theta function. We propose reductions from feasible solutions corresponding to a graph to those corresponding to its induced subgraphs. We develop an efficient, polynomial-time algorithm to extract a maximum stable set in a perfect graph using the theta function. Our algorithm iteratively transforms an approximate solution of the semidefinite formulation of the theta function into an approximate solution of another formulation, which is then used to identify a vertex that belongs to a maximum stable set. The subgraph induced by that vertex and its neighbors is removed and the same procedure is repeated on successively smaller graphs. We establish that solving the theta problem up to an adaptively chosen, fairly rough accuracy suffices in order for the algorithm to work properly. Furthermore, our algorithm successfully employs a warm-start strategy to recompute the theta function on smaller subgraphs. Computational results demonstrate that our algorithm can efficiently extract maximum stable sets in comparable time it takes to solve the theta problem on the original graph to optimality. This work was supported in part by NSF through CAREER Grant DMI-0237415. Part of this work was performed while the first author was at the Department of Applied Mathematics and Statisticsat Stony Brook University, Stony Brook, NY, USA.     

基于M-模糊化P-闭集族刻画M-模糊化拟阵

在已有M-模糊化拟阵的研究基础上,引入了M-模糊化秩函数及M-模糊化P-闭包算子的定义,研究了M-模糊化P-闭包算子的性质,并定义了M-模糊化P-闭集族及研究了它的基本性质,同时借助于M-模糊化拟阵的层拟阵结构,得到M-模糊化拟阵可由M-模糊化P-闭集族等价刻画这一结论.