基于模糊化邻域系统的模糊粗糙集模型

基于邻域系统的粗糙集模型是Pawlak粗糙集模型的重要推广形式.讨论基于模糊化邻域系统的模糊粗糙集模型，给出模型中模糊粗糙近似算子的构造方法并讨论算子的基本性质.另外，当模糊化邻域系统串行、自反、对称、一元和传递时刻画了相关近似算子的代数结构.     

模糊粗糙集的格结构

定义了模糊集合的上、下近似算子，讨论了其代数结构.证明了模糊粗糙集理论中全体可定义集合构成一个完全分配格，给出了生成这一完全分配格的元素的集合并讨论了其基本性质.     

粗集模型的特征函数表示

粗糙集理论是处理不确定知识的一种工具,已在人工智能与知识发现、模式识别与分类、数据挖掘与故障检测等方面得到了较好应用。由于粗糙集在理论和应用两个方面的迅速发展,粗集模型得到拓广。本文研究粗集模型的特征函数表示形式,这种表示形式具有一般性,可以统一各种推广模型。粗集理论的核心是一对非数值型算子,即上下近似算子。粗集理论中的上下近似算子与证据理论中的一对数值算子——似然函数和信任函数有密切关系,为此作者研究了粗糙集与证据理论的关系。     

随机粗糙度与粗相等

在基于随机集的粗糙上近似、粗糙下近似的概念及其简单性质的基础上,定义了随机近似空间上的粗糙度、基于随机集的粗糙集的上粗相等、下粗相等、粗相等、随机粗糙集类和随机粗糙近似空间的概念,并且得出了随机粗糙近似算子的一系列性质、随机粗糙集类和随机粗糙近似空间的一一对应关系等重要的结论。     

基于覆盖的粗糙集代数

一个粗糙集代数是由集合代数加上一对对偶近似算子构成的。首先研究了两种类型的基于覆盖的粗糙集代数的相关性质,可以得到在经典覆盖的情形下,粗糙集代数没有很好的性质。为此,引入了单调的覆盖的概念,进而讨论了在单调覆盖的情形下粗糙集代数的相关性质,得到了许多很好的结果。
     

群中模糊集的上近似集合与下近似集合

粗糙集概念是由Pawlak于1982年提出的,现已从许多方面作了推广,粗糙集与模糊集的结合近年来越来越受到国际学术界的关注,现在研究群中模糊集的上,下近似,并且讨论了近似算子的乘积结构,定义了粗糙模糊子群的概念,证明了模糊子群一定是粗糙模糊子群,在同态映射下,子群的像的上下近似也一定是它的上,下近似的同态像。     

格上的Pawlak算子

在具有最大元和最小元的有补分配格中建立了Pawlak算子的公理系,研究了Pawlak算子代数性质之间的逻辑关系,给出了一种格上的广义Pawlak算子.     

程度粗糙集

从广义程度粗糙集出发,定义了程度粗糙集,深入讨论了其内部构造,得出了程度粗糙集简化运算的重要方法.对比经典粗糙集性质,研究了程度粗糙集3个方面的性质:集合与其程度近似集的关系、程度近似算子的幂作用、程度边界算子对粗糙集性质的修正.得出了若干具有理论和应用价值的结果,并从算子论和集合论的角度丰富了粗糙集理论.     

程度近似算子的复合运算研究

在程度粗糙集模型中定义了程度上、下近似算子的复合运算,研究了复合运算的性质,并给予了严格的证明;最后通过一个实例验证了定理的正确性,同时说明了程度上、下近似算子的复合运算具有幂等率.程度上、下近似算子的复合运算进一步补充和完善了程度粗糙集模型理论和经典粗糙集模型理论.     

变精度下近似算子与程度上近似算子的差运算

定义了变精度下近似算子与程度上近似算子的差运算,研究了其结构与性质,提出了常规算法和结构算法,拓展了程度粗糙集模型和经典粗糙集模型.最后用实例进行了计算与说明.     

基于拟序二元关系的粗糙集模型

目的建立一种基于拟序关系的推广的粗糙集模型。方法按照张文修等人在《粗糙集理论与方法》(科学出版社,2001.)中利用一般二元关系R推广Pawlak粗糙集模型的方法进行研究。结果讨论和建立在拟序关系R下的粗糙集模型,并研究了这种粗糙集模型的代数性质。结论给出了这种粗糙集模型成为Pawlak粗糙型模型的充要条件。     

对群中上近似的一个注记

研究了群中子群的上近似和下近似的相关性质,指出并证明了其中3个关于上近似的性质中的包含关系实质是相等关系,从而改进了上近似的相关结论,为上近似的应用奠定了理论基础.     

广义模糊粗糙集的粗糙度

提出基于模糊关系的广义模糊粗糙集的α,β上、下近似算子,讨论近似算子的性质.给出广义模糊粗糙集的粗糙度,就给定的模糊集研究模糊关系对粗糙度的作用.通过算例验证该粗糙度的有效性.     

粗糙度不等式

针对文献提出的粗糙度不等式及其使等式成立的充分条件,给出了使等号成立且更一般的充分条件,并以两种不同的形式给出,证明两者彼此等价。最后,给出一个新的粗糙度定义,并证明在这种定义下,下近似具有与上近似一样的不等式及其充分条件。     

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。     

基于构造化方法的扩展粗糙集模型研究

从构造化方法的角度对粗糙集模型的扩展研究进行了综述.首先阐释粗糙集理论基本体系结构,然后从基于元素、基于粒、基于子系统、概率等多个角度探讨粗糙集理论中上下近似算子的扩展,并介绍了国内外关于粗糙集模型的扩展研究状况,讨论了当前粗糙集理论的热点研究领域,给出了将来需要重点研究的主要问题.     

对粗糙集两种新算子的注记

在粗糙集中，定义了集合并的下增近似和交的上减近似2种算子，它们与确定增量算子和不确定减量算子是等价的．这2种算子简单、直观，成功地解决了粗集运算中将包含关系转化为相等关系的问题，同时，利用它们可以、简化有关算子性质的证明．     

基于构造化方法的扩展粗糙集模型研究

从构造化方法的角度对粗糙集模型的扩展研究进行了综述。首先阐释粗糙集理论基本体系结构,然后从基于元素、基于粒、基于子系统、概率等多个角度探讨粗糙集理论中上下近似算子的扩展,并介绍了国内外关于粗糙集模型的扩展研究状况,讨论了当前粗糙集理论的热点研究领域,给出了将来需要重点研究的主要问题。     

线性空间中的下近似与上近似

将粗糙集理论引入线性空间,提出了上、下近似的概念,并研究了它们的有关性质,得到了一些有意义的结果。