基于CRI算法的蕴涵算子族L-λ-R_0模糊系统的函数逼近性及概率表示

针对蕴涵算子族L-λ-R_0,讨论了基于CRI算法的模糊系统的函数逼近的泛性及概率表示.首先证明了蕴涵算子族L-λ-R_0模糊系统只具有阶跃输出能力,不具有函数逼近泛性;其次揭示了蕴涵算子族L-λ-R_0模糊系统的概率意义,给出了其概率分布.     

基于蕴涵算子族L-λ-G的反向FMT模型三I支持算法

提出了基于蕴涵算子族L—λ—G的模糊推理的思想，这将有助于提高推理结果的可靠性．针对蕴涵算子族L-λ-G给出了模糊推理的FMT模型的反向三I支持算法、a-反向三I支持算法．     

基于蕴涵算子族L-λ-G的反向FMT模型三Ⅰ支持算法

提出了基于蕴涵算子族L-λ-G的模糊推理的思想,这将有助于提高推理结果的可靠性.针对蕴涵算子族L-λ-G给出了模糊推理的FMT模型的反向三Ⅰ支持算法、α-反向三Ⅰ支持算法.     

基于蕴涵算子族L-λ-G的FMP模型反向三Ⅰ支持算法

提出了基于蕴涵算子族上L-λ-G的模糊推理的思想,这将有助于提高推理结果的可靠性.针对蕴涵算子族上L-λ-G给出了模糊推理的FMP模型的反向三Ⅰ支持算法、α-反向三Ⅰ支持算法.     

基于蕴涵算子族L-λ-R_0的模糊推理三Ⅰ支持算法

提出了基于蕴涵算子族的模糊推理的思想,并给出了基于蕴涵算子族L-λ-R0模糊推理的三Ⅰ支持算法,这将有助于提高推理结果的可靠性.     

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.     

广义λ-归结中的删除策略

本文在广义λ-归结方法中引进删除策略,讨论了λ-蕴涵的若干性质,并证明:以λ-蕴涵为基础的删除策略不破坏广义λ-归结方法的完备性.     

环的（λ,μ）-模糊同态

模糊同态是模糊代数学的重要概念之一,它可由不同的模糊映射产生。本文利用（λ,μ）-模糊映射给出了环的（λ,μ）-模糊同态的定义,从而研究了（λ,μ）-模糊同态下（λ,μ）-模糊子环和（λ,μ）-模糊理想的对应关系及若干性质,最后建立了环的（λ,μ）-模糊同态基本定理。     

用Hλ算子定义的一类解析函数

引用H^λ算子定义的一类新的解析函数族，讨论了该族中函数的从属关系，证明了包含关系,运用微分从属方法给出族中函数的实部不等式、偏差定理和系数不等式，得到一些新的结果，这些结果推广了一些学者的相关工作。     

广义λ完全分配格的关系表示

引入了广义λ完全分配格的概念,证明了L为广义λ完全分配格〈=〉L^op是广义λ超连续格〈=〉L上的关系（≮）^op=（≯）是广义λ正则的.     

(λ,μ)模糊软群与(λ,μ)模糊正规软群

针对软集代数结构问题,本文利用(λ,μ)模糊代数理论,在模糊软集理论的基础上,引入了(λ,μ)模糊软群的概念,讨论了它们的相关性质;同时将同态与同构应用到(λ,μ)模糊软群中,并建立了模糊软同态下(λ,μ)模糊软群与(λ,μ)模糊正规软群对应的定理.     

一种算子模糊逻辑系统

建立了一种带模糊文字以及模糊算子的算子模糊逻辑系统,讨论了该逻辑系统逻辑性质．在算子模糊逻辑系统中,定义了λ-归结,证明了λ-归结的相容性以及基于λ-归结的归结推理的完备性,为基于逻辑的不确定性推理提供了新的思路与方法．     

基于 Hα系统蕴涵算子的三I算法模糊系统

针对Hα系统中的蕴涵算子Rp,首先给出FMP问题三I支持算法的计算公式;其次讨论了基于三I算法的模糊系统及其响应性能,结果表明,蕴涵算子Rp的模糊系统只具有阶跃输出能力,不具有函数逼近泛性;最后,揭示了蕴涵算子Rp的模糊系统概率意义,给出其概率分布,它在模糊系统中起着"系统内核"的作用.     

环上的(λ,μ)模糊n伪理想与(λ,μ)模糊拟理想

在环中引入了(λ,μ)模糊n伪理想和(λ,μ)模糊拟理想的概念,研究了了(λ,μ)模糊n伪理想,(λ,μ)模糊拟理想的一些性质.     

（λ，μ]-商模糊子群

根据（λ，μ]-模糊子群和（λ，μ]-正规模糊子群的概念，给出了（λ，μ]-商模糊子群的定义，并讨论了其性质；同时丰富和完善了（λ，μ]-模糊子群和（λ，μ]-正规模糊子群的性质．     

(λ,μ)模糊软环与(λ,μ)模糊软理想

针对软集代数结构问题,利用(λ,μ)模糊代数理论,在模糊软集理论的基础上,引入了(λ,μ)模糊软环的概念,讨论了它们的相关性质。同时,将同态与同构应用到(λ,μ)模糊软环中,并建立了模糊软同态下(λ,μ)模糊软环与(λ,μ)模糊软理想对应的定理。     

确定gλ模糊测度的多分类器系统学习算法

模糊测度是非负的集函数且有非可加性,以模糊积分作为决策方法的多分类器系统在进行决策之前首先要确定模糊测度,因此它在整个多分类器系统中起着重要的作用,对整个系统的性能有很大的影响.根据Choquet模糊积分的数值计算过程和gλ模糊测度的特殊结构,提出了一种基于Choquet模糊积分的gλ模糊密度的调整方法.对该方法进行了理论分析和证明,并通过数值实验验证了该方法是可行的,在多分类器系统的构建过程中为模糊测度的确定提供了一种有效的方法,具有一定的实用性.     

（λ,μ）-反模糊正规子群

在（λ,μ）-模糊正规子群的理论知识基础上,引入了（λ,μ）-反模糊正规子群、（λ,μ）-反模糊正规化子、（λ,μ）-反模糊中心化子的概念,得到了（λ,μ）-反模糊正规子群的等价条件及其性质,建立了满同态映射下（λ,μ）-反模糊正规子群的对应定理。     

(λ,μ)-反模糊商群

根据(λ,μ)-反模糊子群和反模糊正规子群的概念,给出了(λ,μ)-反模糊商群的定义,并讨论了其性质;同时丰富和完善了(λ,μ)-反模糊子群和(λ,μ)-反模糊正规子群的性质.     

关于格蕴涵代数的(∈,∈∨q_(λ,μ))-模糊LI-理想

首先,对格蕴涵代数的(∈,∈∨q(λ,μ))-模糊LI-理想概念作进一步深入研究,获得了(∈,∈∨q(λ,μ))-模糊LI-理想的一些新的性质和刻画。其次,在由给定的格蕴涵代数L上全体模糊集构成的集合上定义了一个偏序关系■,利用■给出了由L上的一个模糊集生成的(∈,∈∨q(λ,μ))-模糊LI-理想的定义并建立了其表示定理。最后,证明了L关于给定偶对(λ,μ)的全体(∈,∈∨q(λ,μ))-模糊LI-理想之集在偏序■下构成一个完备的分配格。