Closure of q-Quantum Languages

η-quantum languages are discussed and some of their properties are derived. Furthermore the q-quantum language is defined. It is shown that L （A1 ○× A2 ） = L（A1 ）∩ L（A2）, L （A） = L （A1 ）∪ L （A2 ）, So over the same alphabet the intersection and union of two different q-quantum languages are also q-quantum languages.     

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．     

基于区间值推理的粗糙模糊神经网络

将区间值与模糊推理相结合，在构造神经网络的过程中为了简化网络结构而将它们与Rough集中的知识约简相结合，从而提出了基于区间值推理的粗糙神经网络．     

粗糙模糊集的分解定理及表现定理

讨论了粗糙模糊集的构造性质,给出其分解定理及表现定理。     

程度上下近似算子的逻辑或运算模型

为探索新的程度粗糙集拓展模型,基于程度的逻辑或需求,提出了程度上下近似算子的逻辑或运算模型。在该模型中,研究了程度上下近似算子的逻辑或运算的本质、基本结构与性质,提出了宏观算法与结构算法,进行了算法分析与比较,得到了结构算法比宏观算法更具空间优势的结论。最后用实例对程度上下近似算子的逻辑或运算模型及其算法进行了说明。     

精度与程度的逻辑差粗糙集模型及其算法

基于精度与程度的逻辑差需求,提出了精度与程度的逻辑差粗糙集模型,定义了粗糙集区域概念. 在精度与程度的逻辑差粗糙集模型中,得到了粗糙集区域的基本结构和精确描述,提出了计算粗糙集区域的宏观算法和结构算法, 并进行了算法分析与比较,得到了结构算法具有时间优势和空间优势的结论. 最后用一个医疗实例对模型及其算法进行了说明. 精度与程度的逻辑差粗糙集模型,部分拓展了程度粗糙集模型和经典粗糙集模型,在决策表应用中具有广阔前景.     

用构造性神经网络推导模糊有限状态自动机

采用构造性神经网络来推导模糊有限状态自动机(记作FFA),在网络训练过程中,按照Blanco网络的学习规则调整连接权重,在网络结构的动态修改中利用了级-相关算法的最大相关性思想,最后将该网络应用到具体的FFA推导中,实验证明它是有效的.     

知识积分与知识熵

基于粗糙集理论的知识库,定义了知识积分和与知识积分,研究了它们自身的性质及与勒贝格积分和、勒贝格积分的关系.证明了知识熵本质是一种知识积分和,并以知识积分和与知识积分为手段研究了知识熵,得出了如知识熵对于定义在知识上的"较细"偏序关系单调下降等重要结论.     

形式背景下概念格的一种建格算法

在形式背景下的概念分析理论中,概念格是其核心的数据结构之一,在数据检索和数据挖掘中得到广泛应用。概念格的建立是这些应用的基本前提,建立概念格的过程也是概念聚类的过程。文中通过对形式背景中的对象和属性之间的二元关系简化为布尔矩阵,并对布尔矩阵进行算法处理,着重分析了求外延的算法及计算机语言的实现,得到所有概念的外延,而外延所形成的格是与对应的概念格同构的。