知识论域、知识拓扑与集合邻域

定义了知识论域和知识拓扑，组建了4种拓扑空间，分析了它们的联系．从拓扑算子与近似算子的复合、近似邻域、拓扑不变性质3个方面研究了各个拓扑空间的性质，提出了集合邻域的概念，研究了它与点邻域的深刻联系和对一般拓扑空间的作用，并以它为手段研究了新组建的拓扑空间．     

精度与程度的逻辑差近似算子及其性质

首先研究了程度近似与变精度近似的关系与转化,再利用变精度近似算子与程度近似算子定义了精度与程度的逻辑差近似算子,其具有与精度与程度2个量化指标相关的逻辑含义,最后研究并得到了精度与程度的逻辑差近似算子的一般性质与幂作用性质.精度与程度的逻辑差近似算子部分拓展了程度近似算子与经典近似算子,进而得到了这些已有近似算子幂作用...     

程度上下近似算子的逻辑差运算模型

基于程度的逻辑差需求,提出了程度上下近似算子的逻辑差运算模型.在该模型中,研究了程度上下近似算子的逻辑差运算的本质、基本结构与性质,提出了宏观算法与结构算法,进行了算法分析与比较,得到了结构算法比宏观算法更具优势的结论.最后用实例对程度上下近似算子的逻辑差运算模型及其算法进行了说明.程度上下近似算子的逻辑差运算模型,对粗糙集模型的理论发展与量化应用具有意义.     

覆盖空间及粗糙集与拓扑的统一

引入覆盖空间,定义了其邻域、内部、闭包、测度等概念,研究了它们的性质.得出了粗糙集近似空间和拓扑空间都是具体覆盖空间的重要结论,从而用覆盖空间统一了粗糙集和拓扑.利用覆盖空间,得到了粗糙集和拓扑中更深刻的性质,从算子论和集合论的角度丰富和深化了粗糙集与拓扑的内容.     

精度与程度的逻辑或近似算子的性质

本文目的是探讨精度与程度的复合,探索新的粗糙集拓展模型.从精度与程度的逻辑或运算出发,定义了精度与程度的逻辑或粗糙集模型.在该模型中,通过变精度近似与程度近似的转化公式,研究了精度与程度的逻辑或近似算子,并得到了该近似算子的幂作用等性质.用精度与程度的逻辑或粗糙集模型统一了变精度粗糙集模型、程度粗糙集模型和经典粗糙集模型,并在这些粗糙集模型中得到了近似算子幂作用的相应性质.     

变精度上近似算子与程度下近似算子的差运算模型

探讨精度与程度的复合, 建立并研究新的粗糙集拓展模型.基于精度与程度的逻辑差需求, 提出了变精度上近似算子与程度下近似算子的差运算模型, 得到了变精度上近似算子与程度下近似算子的差运算的宏观本质、精确描述与基本性质.并用一个医疗实例说明了模型的意义和应用.变精度近似算子与程度近似算子的差运算模型, 部分地拓展了程度粗糙集模型和经典粗糙集模型.     

知识测度

在知识库中引入勒贝格测度，定义了知识测度和知识可测，对比勒贝格测度研究了知识测度的性质，并得出了波雷耳集与知识可测集等价等强于勒贝格测度的性质，证明了知识外内测度刚好是知识上下近似的体积，知识可测与知识可定义等价的测度与粗糙集的深刻联系，并由此研究了知识精细关系下近似集与知识测度的性质。     

基于决策分类的分块差别矩阵及其求核算法

属性约简是粗糙集理论进行数据挖掘的基本途径, 相关算法主要基于核。 核的差别矩阵表示及相关求核计算具有重要意义, 但已有的差别矩阵及其求核算法还具有时空局限性。对此, 依据差别矩阵的稀疏性与大规模性, 提出基于决策分类的分块差别矩阵及其求核算法, 直接地将决策分类信息融入形式结构与问题求解。 首先, 基于决策分类来定义分块差别矩阵, 设计其计算算法; 其次, 基于分块差别矩阵, 确定核的内涵与算法; 最后, 进行实例分析与实验验证, 说明所建方法的有效性。基于决策分类的分块差别矩阵有效地实施了信息提取与维度降低, 相关的求核算法较好地减少了差别矩阵求核算法的时空复杂性。     

粗糙群和基于子群的群的粗糙

运用粗糙集理论的思想,在群中基于子群定义了群的近似空间,并定义了集合的运算,用集合的近似进行了研究．用近似群重新定义了粗糙群理论中的粗糙群、粗糙子群、粗糙不变子群、粗糙商群、粗糙同态、粗糙同构等一系列概念,并在传统的和新定义的两种粗糙群理论体系中,研究了基于子群的群的粗糙的性质．     

程度上下近似算子的逻辑或运算模型

为探索新的程度粗糙集拓展模型,基于程度的逻辑或需求,提出了程度上下近似算子的逻辑或运算模型。在该模型中,研究了程度上下近似算子的逻辑或运算的本质、基本结构与性质,提出了宏观算法与结构算法,进行了算法分析与比较,得到了结构算法比宏观算法更具空间优势的结论。最后用实例对程度上下近似算子的逻辑或运算模型及其算法进行了说明。