模糊粗糙集及其截集

设U为全集 R是U上的一个等价关系,A为U上的模糊集 本文给出了A的λ-截集及强λ-截集的上(下)近似Aλ(Aλ)及Asλ)的若干性质,同时给出了A的上(下)近似与其λ-截λ(As集之间的关系     

各种截集形式的粗糙模糊集的分解及其应用

文[9]在Pawlak近似空间中讨论了粗糙模糊集的构造,本文将在普通近似空间中讨论基于λ-上截集、强λ-上截集,λ-下截集、强λ-下截集,λ-上重截集、强λ-上重截集,λ-下重截集、强λ-下重截集的基于模糊等价关系的粗糙模糊集的构造性质;并以截集的形式定义了近似空间中的上、下近似,然后给出了此新的定义下粗糙模糊集所满足的性质.     

上截集形式的粗糙模糊集的分解及其应用

文[4]在Pawlak近似空间中讨论了粗糙模糊集的构造,本文将在普通近似空间中讨论基于λ-上截集、强λ-上截集的基于模糊等价关系的粗糙模糊集的构造性质;并以截集的形式定义了近似空间中的上、下近似,然后给出了此新的定义下粗糙模糊集所满足的性质.     

各种截集形式的粗糙模糊集的构造性质

本文在Pawlak近似空间中引入了λ-上截集、强λ-上截集,λ-下截集、强λ-下截集,λ-上重截集、强λ-上重截集,λ-下重截集、强λ-下重截集的概念,系统地讨论了基于各种截集形式的粗糙模糊集的构造性质,得出了基于模糊等价关系的各种截集形式的粗糙模糊集的表现定理和扩张定理并给出了系统的证明。     

基于模糊随机集的λ-截集的粗糙近似算子

在模糊随机近似空间里,以模糊集的λ截集为桥梁,定义了一种新的粗糙近似算子,从随机变量和λ截集两个角度出发对近似算子进行了深入的研究,同时根据描述系统的不同指标的论域和量纲差异(可结合模糊随机变量的期望)对模型进行了再一次的扩展.     

两种类型的粗糙度不等式

讨论了粗糙近似算子的性质.基于粗糙集理论,给出了经典集在Pawlak近似空间下的粗糙度不等式取等号的两个等价的充分条件;同时给出了模糊集在Pawlak近似空间下粗糙度不等式取等号的充分条件以及粗糙模糊集水平截集的一些性质.     

基于上重截集形式的粗糙模糊集的构造性质

本文在Pawlak近似空间中引入了λ-、强λ-上重截集的概念,系统地讨论了基于上重截集形式的粗糙模糊集的构造性质,得出了基于模糊等价关系的粗糙模糊集的表现定理和扩张定理并给出了系统的证明.     

粗模糊集的链式分解

利用f 分解类，给出了等价类的F 分解的另一种形式，并由此提出了粗模糊上、下近似集合的F 分解定理．利用等价类的F 分解形式，讨论了粗模糊上、下近似集合的λ 截集的性质，并给出了粗模糊上、下近似集合 的F 并分解定理．     

基于四种截集的粗糙模糊集表现定理的新表示

通过引入粗糙模糊集的λ-上截集、λ-下截集、λ-下重截集、λ-上重截集、粗糙模糊集的交与并的表示及在交的表示下基于四种截集形式的粗糙模糊集的分解定理.借助于粗糙模糊集交的表示形式下基于四种截集的分解定理及交的定义,系统研究了基于交的粗糙模糊集四种截集形式的表现定理,并给出其中两个定理的详细理论证明,它是粗糙模糊集的表现定理的一种新的表现形式,是粗糙模糊集构造性质的推广研究,研究结论可以丰富粗糙模糊集构造性质理论.     

一般多粒度直觉模糊粗糙集模型

直觉模糊粗糙集和多粒度粗糙集都是近几年来研究的热门课题.首先通过定义Pawlak近似空间中的支撑函数给出了一般多粒度直觉模糊粗糙近似算子的定义,并讨论了一般多粒度直觉模糊粗糙上、下近似算子的性质.其次,研究了一般多粒度直觉模糊粗糙集(λ1,λ2)截集的定义和性质.此外,还研究了一般多粒度直觉模糊集的不确定性度量以及参数(λ1,λ2)的一般多粒度直觉模糊粗糙集的不确定性度量.最后通过淘宝信息反馈的例子验证了模型的实用性和有效性.     

集值模糊目标信息系统的近似分配约简

基于集值信息系统上的变精度相容关系,定义了集值模糊目标信息系统的模糊目标在给定相容水平下的上近似与下近似,提出了一定截集水平下的上近似分配约简与下近似分配约简概念,这种约简是单值目标模糊信息系统上精度约简概念的推广,同时也是经典目标信息系统上近似分配约简概念的推广.进一步,在集值模糊目标信息系统引入区分矩阵与区分函数,给出了计算上近似分配约简与下近似分配约简的方法.     

双论域粗糙集的近似分类精度度量

由等价关系R所决定的近似空间(U,R)上,可用近似分类精度来表示可能的决策中正确决策的百分比。将近似分类精度概念推广到一般关系双论域粗糙集的近似空间上。通过引入独立集概念,给出了度量公式,最后通过实例验证了其合理性。     

面向对象概念格上的近似概念及概念认知

针对概念认知问题，该文通过形式背景中任意对象(属性)集在面向对象(属性)概念格中形成的下近似概念外延(内涵)和上近似概念外延(内涵),探讨了面向对象(属性)概念、面向对象(属性)下近似概念、面向对象(属性)上近似概念之间的关系，得到在面向对象(属性)概念格中生成下、上近似概念的一种有效方法。对于面向对象概念格中任一概念，由其外延形成的下近似概念和上近似概念是它本身；对于面向属性概念格中任一概念，由其内涵形成的下近似概念和上近似概念也是它本身。同时通过举例说明。另外，将近似概念应用于面向对象(属性)概念格中进行概念认知并给出相应算法。对于给定的任一对象(属性)集线索，通过其形成的近似集去逼近该线索，得到1个精确概念或者2个近似概念，以进行概念认知。同时给出概念学习精度来衡量概念认知的准确性。     

模糊近似空间中下近似算子的新定义

首先对β算子进行了研究,得到了2个结果,并将β算子扩展为2个矩阵之间的β运算。然后依据β算子及所得结果,给出了模糊近似空间中模糊集下近似的一种解析式定义,并刻画了新定义下的粗糙模糊集的基本性质。最后与刘责龙的定义进行对比分析,举例说明刘的文章中关于截集的一个结果是错误的,并说明新的下近似算子具有一定的优越性。     

p-对称差度量的收敛判别法及极限表达式

证明了支集一致有界的Fuzzy数序列{A(n)}按p-平均对称差度量d△p收敛于Fuzzy数A的充分必要条件是:存在h∈[0,1],使得{an(λ)}和{bn(λ)}在[0,h]上几乎处处收敛,且(此处,Aλ(n)=[an(λ),bn(λ)]表示A(n)的λ-截集);进而给出了Fuzzy数序列按d△p收敛时的极限表达式.     

关于非凸集的粗糙近似

本文建立了非凸集的上、下近似概念，讨论了非凸集的粗糙近似的性质。对于任何一个非凸集，可以用它的某个方向上的上、下近似凸集来逼近。最后，给出了集合的u-影子与u-方向上的粗糙近似集间的关系。     

泛Sierpinski地毯的Hausdorff测度

引进泛Sierpinski地毯的概念，设S^m为压缩比为1／m(m≥4）的泛Sierpinski地毯，Sn为S^m的第n级基本长方形的集合，U为平面点集，U的直径│U│＞0，αn(U)表示Sn中与U相交的基本正方形的个数。证明了对充分大的n有αn(U)/4^n(a^2 b^2)^s/2≤│U│^s(s=logm4)，从而证明了S^m的s维Hausdorff测度H^s(S^m)=(a^2 b^2)^s/2。并对α1(U)=2,3,4的几种情形进行了讨论。     

m型Fuzzy集(m>2)的分解定理

一、引言1971年L.A.Zadeh在[1]中首先给出了m型Fuzzy集的定义。其定义是:1型Fuzzy集是论域U上的一个普通Fuzzy集,m型Fuzzy集(m>1)是U上的L-Fuzzy集,其隶属度为[0,1]上的m—1型Fuzzy集。以下记U上的m型Fuzzy集的类为F(?)(U)。王晓波在[3]中定义了2型Fuzzy集的截集并证明了2型Fuzzy集的分解定     

粗双枝模糊集

在粗糙集和双枝模糊集的基础上,给出了粗双枝模糊集的概念;讨论了粗下枝模糊集,粗上枝模糊集和粗双枝模糊集的性质;利用模糊集的λ-截集及λ-强截集,讨论了粗双枝模糊集的数学结构及表示.     

(α,α)-直觉模糊子群的构造

基于(α,β)-直觉模糊子群以及其截集的定义,从(α,β)-直觉模糊子群λ-上截集,λ-强上重截集的角度对(α,α)-直觉模糊子群进行了进一步的刻画。并给出了(α,α)-直觉模糊正规子群的定义,详细讨论了它们的若干性质。