E-广义凸模糊集和E-广义反凸模糊集

通过将P凸集与相关文献中广义凸模糊集和广义反凸模糊集相结合,定义了E-广义凸模糊集和P广义反凸模糊集,并根据定义对它们的重要性质做了研究．     

E-广义凸直觉模糊集

凸集及其性质是最优化领域的一个重要研究课题.同样,凸模糊集也是模糊数学中研究的一个热点.本文通过将E-广义凸模糊集、凹模糊集和凸直觉模糊集相结合,定义了E-广义凹模糊集和E-广义凸直觉模糊集,并根据定义对它们的基本性质做了研究,从而推广了凸模糊集和反凸模糊集,并且引出一个相对较新的研究方向和领域.     

区间值模糊集上的粗糙近似

提出了区间值模糊粗糙集的上下近似,并且利用区间值模糊集的截集定义了区间值模糊粗糙度量,在此基础上讨论区间值模糊粗糙集和区间值模糊粗糙度量的性质。     

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．     

基于粗集的模糊聚类方法和结果评估

粗集的决策表的属性包括定量属性和定性属性,针对这种情况,根据一种对象的相似性度量方法,使用模糊聚类方法对粗集对象进行模糊聚类,对聚类结果进行了评估(根据这种聚类方法得到的结果和实际的分类结果进行比较)．在这种相似性度量方法基础上,证明了粗集的等价关系可以被转化为模糊等价矩阵．基于粗集的聚类步骤如下：首先,一个粗集等价关系都可以转化为一个模糊相似矩阵,其次,转化成一个模糊等价矩阵,最后,进行模糊聚类．对此方法进行了实验,并对实验的结果进行评估．实验结果说明了这种方法的简单高效．     

线性空间中的2-型模糊集

讨论线性空间中2型模糊子集,给出其为特殊2型模糊子集的充要条件,推广了线性空间中一般模糊子集的相应结果.     

模糊集框架下的基数模糊量词研究

 基数模糊量词在日常的交流和推理中有着广泛的应用。将基数模糊量词的语义分析扩展到模糊集,在模糊集的框架下给出了基数模糊量词语义的形式刻画,并证明了其相应的性质。     

模糊冗余度及其应用

在信息论中,冗余度是研究信息量的一个重要指标。在模糊系统中,模糊熵是模糊集的模糊程度的一个重要测度。文章利用模糊熵概念引进了模糊冗余度概念,讨论了模糊冗余度的几种不同形式,给出了它的一些性质,进一步分析了它的意义以及在模糊信息问题中的应用。     

基于集对分析和直觉模糊集的语言型多属性群决策方法

针对语言型多属性群决策问题进行了研究,提出基于集对分析的直觉模糊群决策方法。首先给出语言信息与直觉模糊值的转换方法;分析集对分析的思想与直觉模糊集思想的兼容性,通过集对分析的方法求解出方案对于单个属性和所有属性的联系度表达式;最后通过一个排序公式对方案进行排序,并得出最优方案。算例证实了该方法的有效性。     

一类广义不确定利率下的寿险净保费模型

利率的不确定性主要体现在它的模糊随机性和精确度量的困难性方面．投资性保险的精算中应适当考虑投资的不确定收益率．文章在广义利率意义下对贴现函数进行模糊估计,将其描述为三角模糊数,利用模糊随机变量建立两全保险和生存年金模型,并通过精算现值理论得出新的净保费模型,最后给出统计模拟算例．     

基于模糊-粗糙集模型的一种归纳学习方法

对传统粗糙集理论进行了扩展，提出了一种模糊-粗糙集模型。利用模糊集理论和Koho-nen网络自组织映射算法对决策表的连续属性进行模糊化，并用模糊贴近度构造模糊相似矩阵，把普通粗糙集的不可分辨关系推广为模糊相似关系。提出一种基于模糊-粗糙集模型的归纳学习算法FRILA，此算法和决策树算法相比，具有得到的规则数目少、规则表示简单等优点。实例验证了此方法的有效性。     

基于粗集和模糊集的启发式规则约简算法研究

提出了一种新型的决策规则约简方法。基于均匀划分和正态分布隶属度函数,对决策表的连续属性进行模糊化,用欧氏距离贴近度来构建相似矩阵,并提出了一种论域的模糊划分算法;依据粗糙集隶属度进行属性约简的基础上,给出了一种决策规则约简算法,从而达到发掘知识并简化知识的目的。     

对模糊随机向量凸集的定义及探讨

在模糊随机变量的基础上引入了模糊随机向量凸集的概念,给出了几个模糊随机凸集的例子.     

基于模糊集和粗糙集的关联规则挖掘策略

提出了一种对原始数据先进行模糊聚类,再提取规则的基于模糊集和粗糙集技术的关联规则挖掘策略,可以在一定程度内减少噪声数据的干扰,消除数据对象中的冗余属性,有利于提高规则挖掘的有效性．     

GIS数据模型的模糊性质及操作算法

传统 GIS数据模型反映不了地理世界的连续性。该文以模糊集理论为基础 ,依据地理实体在时、空、属三域的物理性质和 GIS数据模型 ,提出了隶属度归一性。隶属度归一性是适用于多维 GIS数据模型的一个基本性质 ,传统模糊集理论中的“交”算子与“并”算子不能满足隶属度归一性。因此 ,在 GIS中有必要引入新的“叠加算子”。该文还给出了两个满足隶属度归一性的叠加算法。     

基于模糊数的模糊学习理论的关键定理

考虑到现实世界的模糊性,结合模糊集理论和模糊统计学的知识,首先给出了关于模糊数函数以及模糊随机变量函数的若干定理;提出了模糊学习问题的一般表示;最后给出并证明了基于模糊数的模糊学习理论的关键定理.     

一种基于模糊集理论的双聚类算法

双聚类（Biclustering）算法是一种横向纵向同时进行的数据挖掘的聚类算法,主要用于生物信息学上对高维复杂的数据进行聚类,以平均平方残基作为筛选标准,贪婪迭代的方法来选取数据．传统双聚类算法聚出来的簇通常不是预想的结果,迭代次数越多偏差就越大,对于庞大的数据精确度会更小,而模糊集理论可以改进这种迭代产生偏差与得不蓟预想结果的不足．为了获得更加好的实验结果,用模糊数学中的隶属矩阵和综合评判等方法改进双聚类的算法,使得聚类结果更精确更具有一致性,便于发现数据的关联性．     

改进的粗糙集模糊聚类算法及其应用

通过将粗糙集和模糊聚类算法相结合, 利用粗糙集中上近似集和下近似集的概念改进模糊聚类算法, 解决了模糊聚类边界不确定的问题, 得到了上近似集和下近似集的聚类结果, 从而实现更好的聚类, 改进算法可以处理边界问题和复杂数据问题. 将改进的粗糙集模糊聚类算法用于研究环糊精聚类, 并将聚类结果与K均值聚类分析算法、 模糊C均值聚类算法相比, 实验结果表明, 改进算法有较好的聚类效果.     

Nonadditive Set Functions Defined by Aumann Fuzzy Integrals

A novel concept, called nonadditive set-valued measure, is first defined as a monotone and continuous set function. Then the interconnections between nonadditive set-valued measure and the additive set-valued measure as well as the fuzzy measure are discussed. Finally, an approach to construct a nonadditive compact set-valued measure is presented via Aumann fuzzy integral.     

模糊决策粗糙集模型及其属性约简

决策粗糙集基于严格的不可分辨等价关系,只能适用于离散型数据,文中研究了一种新的模糊决策粗糙集模型及相应的属性约简算法.该模型将不可分辨等价关系放松为高斯核模糊T-等价关系,从模糊隶属度角度定义了条件概率,能够直接对数值型数据进行属性约简.利用UCI标准数据集,将该模型与Pawlak经典粗糙集、决策粗糙集在属性约简能力上进行比较,仿真实验结果表明,该模型具有较好的性能.