粗糙子环的判定

粗糙代数是粗糙集理论研究的一个方向,粗糙环和粗糙子环是粗糙代数的主要内容之一.以 Pawla粗糙集模型、环论为基础,给出了环的粗糙子环的定义,并研究了粗糙子环的性质及判定定理, 扩展了粗糙代数理论的研究范围.     

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．     

半环的粗糙子半环

在半环上引入粗糙集,并研究了粗糙子半环;利用半环的非空子集上关于同余关系的上、下近似,给出了半环的粗糙子半环的定义,证明了半环的子半环、理想一定是半环的粗糙子半环、粗糙理想．     

模糊粗糙集粗糙熵的修正

在粗糙集理论中,由于用模糊粗糙熵去度量RF集的不确定性更具有直观性,所以如何利用香农信息熵理论定义模糊粗糙集的熵的度量,是一个值得研究的问题.结合知识粗糙性和信息熵给出了模糊粗糙集的熵的度量新定义,并对其一些性质进行了讨论.     

粗糙幂环初探

近年来,将粗糙集理论应用到群环上,以完善粗糙代数系统已是人们感兴趣的话题,结合粗糙集理论及环的概念,初步给出粗糙幂环的定义,并对其性质作了一点探讨。     

粗糙集的代数性质

讨论了近似空间中粗糙集的代数性质,给出了粗糙并,交,补的定义,并定义了粗糙集的伪补元,基于此,从多方面探讨了粗糙集的代数性质,如,它是一个分配格,软代数,甚至是Stone代数。     

基于近似精度和条件信息熵的粗糙集不确定性度量方法

基于粗糙集理论的基本不确定性度量方法能够度量知识的不确定大小，却不能区分集合粒度划分大小，利用知识的信息熵，并结合粗糙集精度，定义了一种粗糙熵，用于度量粗糙集中的不确定性．证明了该粗糙熵随着划分粒度的变小而单调增加的性质．新的粗糙熵不仅能度量粗糙集的不确定区域大小而且可以度量划分的大小．算例证明了该方法的有效性．     

基于相似度的模糊粗糙近似算子

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具.相似度是用于比较2个相似的模糊粗糙集所包含信息的精确性大小的,是模糊集理论和粗糙集理论的热点问题之一.文章利用一种改进的相似度定义了模糊粗糙近似算子,重新定义了粗糙集的一些概念,给出并证明了模糊粗糙近似算子的几个性质.     

粗糙群定义的缺陷与修正

自Pawlak Z提出粗糙集理论以来,众多学者进行了广泛深入的研究,并将该理论拓展至粗糙代数领域.Biswas R和Nanda S首次提出了粗糙群(B-N粗糙群)的概念并给出了若干性质,但这一概念本身存在着一定缺陷.已有一些研究者指出了B-N粗糙群的定义和结论存在的一些问题,并给出了B-N粗糙群的修正定义,但B-N粗糙...     

基于正规子群的群的粗糙

主要讨论了粗糙集理论在群中的应用．基于粗糙集理论,继续探讨了一个群的子集关于正规子群的粗糙近似子群．同时,给出了粗交换子群的概念与性质．最后,在商群中讨论了粗糙集的一些性质,并给出这些结论的严格证明,进一步补充和完善了粗糙群理论．     

基于优势关系粗糙集的地震数据约简和规则提取

针对现有的基于不可分辨关系的数据约简算法在地震数据处理中存在的缺点,提出一个新的优势区分矩阵的定义,并在此基础上给出相应的具有更好约简效率的数据约简算法和规则提取算法.在运用该算法对全国小震目录数据进行的实验中,从上海市地震局提供的44 381条样本数据中挖掘出272条确定性规则,取得了有实际意义的结果.     

不确定信息的粗糙集表示和处理

随机性和模糊性是不确定性中最重要和最基本的2个特征。分析和比较了表示和处理不确定性知识的一些主要的拓展集合理论,并系统的介绍了基于粗糙集的不确定知识的表示和处理方法。系统讨论了粗糙集理论对经典集合论的拓展,用经典集合计算方法对粗糙集的核心算子进行了对比分析,同时对定义在信息系统上的粗糙逻辑也进行了分析。通过分析粗糙集理论在人工智能领域的几类典型应用案例说明了粗糙集在表示和处理不确定性问题方面的重要作用和优势。最后对不确定知识的表示和处理的一些有待进一步深入研究的关键问题进行了展望。     

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·     

覆盖广义粗糙集的一般化方法

在覆盖粗糙集理论中,将其模型与经典粗糙集统一是一个非常重要的问题。在覆盖近似空间中通过定义论域上的基于覆盖的等价关系,将覆盖广义粗糙集转化为经典粗糙集,由此将经典粗糙集理论的应用范围拓展到基于覆盖的背景中。分析表明,该方法比已有的基于等域关系转化覆盖广义粗糙集为经典粗糙集更直观且易于理解。最后举例说明了该一般化方法还可以提高目标概念的近似精度。     

关于模糊粗糙集的一个注记

指出文献[6]中定义的模糊粗糙集的补集不再是模糊粗糙集.为了克服原定义中的缺陷,给出了关于模糊粗糙集的新的补集定义,讨论了相应的运算性质.同时还证明:模糊粗糙集其实就是定义在F格L上的L-模糊集.     

M-强模糊软图的运算及其性质

利用经典图和模糊图的定义和性质,定义了M-强模糊软图,并讨论了其连通性.给出了M-强模糊软图的交、并、补、或、和、笛卡尔积、直积、强乘积、字典乘积等运算并且证明了其运算性质.     

基于凸Rough集的数据约简和规则发现研究

为了有效地从凸序列中约简数据和发现知识，解决Rough集集中的凸序列问题，在深入研究凸序列和Rough集理论的基础上，提出了凸Rough集模型，定义了凸Rough集和凸Rough集糊集，给出了凸Rough集糊集的隶属函数和应用凸Rough集进行数据约简及规则发现的算法，最后分析了一个应用案例，验证了模型的可行性，表明应用凸Rough集模型可以更好地进行数据约减和规则发现。     

基于粗糙信息颗粒的数据挖掘方法研究

大型的数据库和数据仓库中的数据往往是有噪声和不一致的,应用经典的粗糙集理论对其进行数据挖掘处理时,效果不够理想.引入信息颗粒的概念,给出了属性子集引导的信息颗粒的构造方法及基于信息颗粒的知识描述,并应用粗糙集的扩展模型讨论知识的粗糙度问题,提出了基于粗糙信息颗粒的属性约简算法,该算法在给定最小置信度阈值的情况下,可实现对不一致数据集的简洁知识提取.图1,表2,参8.