序半群中的模糊双理想

引入了序半群中的模糊双理想,讨论了序半群模糊双理想的性质,并利用模糊双理想刻画了序半群的正则和内禀正则性.     

序Γ-半群的直觉模糊双理想

研究了序Γ-半群的直觉模糊双理想的性质,利用序Γ-半群的直觉模糊双理想刻画了左（右）零序Γ-半群.     

序Γ-半群的Q-模糊双理想

将Γ-半群的Q-模糊双理想的概念推广到序Γ-半群中,证明了序Γ-半群的Q-模糊双理想的存在性.并讨论了序Γ-半群的Q-模糊双理想的相关性质及其刻画。     

单位区间典则模糊序中的平坦理想（英文）

本文利用连续三角模的序和分解定理给出了赋予典则模糊序的单位区间中的平坦理想的刻画.该刻画有助于进一步研究模糊序的拓扑性质和domain性质.     

序半群中有边界值的直觉模糊理想

介绍了序半群中具有边界值（α,β）的直觉模糊理想的概念,并对其相关运算性质进行了探讨.最后,通过有边界值（α,β）的直觉模糊理想,对内正则序半群的特征进行刻画,得到若干刻画定理.     

序半群的完全素和素模糊理想

通过由序模糊点生成的模糊理想给出了半单序半群的刻画。同时也刻画了两类序半群:一类是所有模糊理想是素理想;另一类是所有模糊理想是完全素理想。     

模糊极小圈的若干性质

通过研究模糊极小圈的性质,在模糊拟阵中定义了一种新的连通性,由这种连通性研究了一个闭模糊拟阵与其对偶模糊拟阵的秩函数的性质,给出了一个模糊拟阵为连通模糊拟阵的等价刻画.最后,研究了两个连通模糊拟阵的直和以及模糊连通分支的性质.     

闭正则模糊拟阵基的若干性质

研究了基本截片模糊拟阵与闭正则模糊拟阵的基交换性质,得到了基交换性质的若干刻画.研究了闭正则模糊拟阵的基公理并得到其等价刻画,给出了闭正则模糊拟阵与其截拟阵之间的关系.     

模糊子模度及其性质

将度的概念推广到模糊子模,利用模糊集的蕴涵算子,引入模糊子模度的概念,用于刻画模的模糊子集是模糊子模的程度.研究模糊子模度的等价刻画,和截集的关系以及在同态映射下,模糊子模度的性质.     

序半群的(∈,∈∨q)-模糊理想刻画

从一个新的角度研究了序半群上的(∈,∈∨q)-模糊左理想、(∈,∈∨q)-模糊右理想和(∈,∈ ∨q)-模糊双理想,并利用这些理想给出了正则序半群的若干刻画定理.     

不精确概念的表示理论（Ⅰ）定义与基础知识

本文提出了一种用模糊集的截集来表示抽象知识库中不精确概念的方法，讨论了这种表示的基本性质和拓扑特征。据此文建立起的模糊表示理论对讨论抽象知识的简化与扩张，知识的核以及在机器学习的应用中起着关键作用     

图像识别的最大模糊积分识别法

以两个模糊（Ｆｕｚｚｙ）集的相容度为基础，给出了Ｆｕｚｚｙ识别的最大Ｆｕｚｚｙ积分识别法。该方法计算简单，能体现两个Ｆｕｚｚｙ集的平均相容度、Ｆｕｚｚｙ集的可能度与Ｆｕｚｚｙ积分的一种应用。     

动态模糊集的函数生成集

给出了一种动态模糊集的函数生成集的概念，并讨论了它的性质。     

粗糙集与模糊集的比较研究

近来许多研究致力于不确定性问题的知识获取，不确定产生于许多方面：它可以来自于对事物进行描述的术语的模棱两可；也可以来自描述过程中对规则的怀疑；或者数据的错误、丢失．处理不确定性问题的理论有很多，粗糙集与模糊集都是有效手段，它们有联系有区别，可以相互补充有机结合起来解决更多问题．     

基于模糊数模糊集的聚类分析

提出了模糊数模糊集及模糊相似矩阵的概念,建立了基本模糊数模糊集的聚类分析理论,并引入了分类可信度的概念。     

粗糙集和模糊集的比较分析

介绍了模糊集和粗糙集各自的理论和特点,并讨论了模糊集和粗糙集的各自优点和缺点,有机将两种理论结合起来分析了模糊粗糙集、粗糙模糊集及粗糙隶属函数的性质及应用,引入变精度思想,在粗糙模糊集上定义其上下近似。     

模糊统计与决策

本文提出用模糊集合思想分析家职称评审这类决策问题;通过建立模糊集合来实现定性问题的定量化;用德尔菲法进行模糊统计试验,使通过主观判断得到隶属函数更准确地反映客观意义。     

Fuzzy集上的Fuzzy数值Fuzzy测度的扩张

本文给出了Fuzzy数值Fuzzy测度的绝对值连续性的定义及Fuzzy数值Fuzzy测度的扩张定理,推广了〔1〕的结果。     

量化交易中无需最小支持度阈值的模糊关联规则挖掘

现实量化交易应用中,传统的模糊数据挖掘算法往往需要针对给定的量化交易设定最小支持度阈值,然而,这些方法中存在的普遍问题是很难找到合适的最小支持度阈值,并且因为推导出的规则通常是常识而没有实际的商业意义。为了解决这个问题,提出了一种无需最小支持度阈值的模糊关联规则(fuzzy coherent rule,FCR)挖掘算法。首先将量化交易转换成模糊集,然后通过收集已经生成的模糊集生成候选模糊关联规则,最后计算出列联表并用其检查这些候选模糊关联规则是否满足四项判断准则。如果满足,则可以确定为模糊关联规则。在Foodmart数据集上的实验验证了所提算法的有效性,相比原始模糊关联规则(fuzzy association rules,FAR)挖掘算法,所提的FCR方法能够推导出更多的规则,并且能够在高置信度时推导出更多有用的规则。     

关于蕴涵半群模糊序滤子结构的进一步刻划

本在「５」的基础上，进一步研究蕴半群模糊序滤子结构性质，并给出一些有意义的结果。