融合云概念的粗糙Vague集的三支决策模型

Vague集是模糊集的扩展模型，从正反两方面来描述事物的不确定性，粗糙Vague集比粗糙模糊集更具有普遍性。目前，三支决策的阈值主要是由单个专家给出，不能反映认知过程中复杂的不确定性形式。针对这一问题，提出了一种融合云概念的粗糙Vague集的三支决策模型。使用基于密度中心的云概念群决策方法求解损失函数，不仅保证综合评价的精度，还为损失函数提供了新的语义解释。构建了粗糙Vague集的三支决策模型并揭示了其误分类代价随着粒度细化而单调递减的规律。通过实验验证了该方法的可行性，克服了现有模糊集在三支决策中对事物不确定性表达不够清楚的缺点。     

基于Vague集的医疗诊断系统

讨论了Vague集的基本概念;介绍了一种基于Vague集理论的医疗诊断系统的设计实现方法,该方法中采用Vague集的核函数与精确函数来解决基于Vague集的模糊决策问题,由于Vague集可以同时表示“支持”,“反对”和“不确定”的信息,这使得在采用Vague集的医疗诊断系统中得到的推理结论更符合实际情况,最后通过一个实际医疗诊断例子论证了该方法的正确性。     

Vague集、模糊集和粗糙集的内在联系及其转化

研究了Vague集、模糊集与粗糙集之间的内在联系和互相转化．证明了：对于给定的粗糙集,可以在它的幂集上定义一个伴随的Vague集（模糊集）;反过来,给定的一个Vague集（模糊集）,可以定义它伴随的粗糙集．另一方面,在一个粗糙集系统给定的两个等价关系之间,可以定义它们的相对Vague集（模糊集）;同一个论域上的两个不同的Vague集（模糊集）可以定义它们的相对粗糙集,从而利用粗糙集方法研究它们之间的相对关系．     

偏序集的主理想连续和闭区间连续性

在偏序集上引入并考察了主理想连续性和闭区间连续性。证明了主理想连续性和通常的偏序集连续性的等价的，构造了反例说明闭区间连续性与通常的偏序集连续性互不涵。证明了连续偏序集如果非空有限集有多值并，则必定是闭区间连集；而闭区间连续性附加入方控制条件，则蕴函通常连结局续性得到了ＳｃｏｔｔＤｏｍａｉｎ的两个新的等价刻画。     

Rough集与Vague集的对比研究

Rough集和Vague集都是处理不确定、不完备、不准确信息的强大工具。Rough集研究主要针对于对象之间不可分辨的性质,Vague集研究主要针对对象边界的模糊程度。经过分析代数观的Rough集理论和信息观的Rough集理论与Vague集之间的关系,发现信息观的Rough集可以认为是一种特殊的Vague集;而代数观的Rough集与Vague集则是相互独立的,但是两者也有联系。在这2种理论下,信息的不确定性都是由元素部分属于集合而表现出来的,但是这2种理论对不精确信息的处理方法则不同。     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题。对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质。这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路。     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题.对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质.这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路.     

双枝模糊集与Vague集的关系

研究了双枝模糊集与Vague集的关系,指出对于给定的双枝模糊集,可以求得它的伴随Vague集;给出了双枝模糊集与它的α-伴随Vague集的关系定理;研究表明:可以利用Vague集的一些成熟的理论来研究和拓展双枝模糊集理论,以相似度量为例,基于Vague集现有的相似度量方法,利用双枝模糊集的α-伴随Vague集的相似度量作为双枝模糊集的相似度量。     

Vague集相似度量模型的研究

鉴于Vague集的相似度量在模糊推理、模式识别、聚类分析、决策分析等领域的广泛运用,本文首先对已有Vague值的相似度量模型进行了分析,发现已有的模型在应用时所得的结果或者不符合人的直觉,或者明显违背客观实际,或者存在区分度不足.然后提出了一个新的Vague值相似度量模型m(x,y)=1/2+φ(x,y)/2-S(x,y)/4-|tx-ty|/4,并证明了该模型满足文献[1-4]相似度量的公理化定义.在提出的Vague值相似度量模型的基础上,建立了Vague集的相似度量一个新模型M(A,B)=(n∑i=1m(A(xi),B(xi)))/n.最后,通过数值实验,新模型度量结果又较好符合人的直觉以及具有较好的区分度.     

Vague集不确定信息处理SPA方法研究进展

Vague集是智能信息处理中一种新的有效方法,近几年成为智能信息处理的热点而受到普遍关注.SPA方法(集对分析方法)是不确定信息处理的一种重要手段,结合Vague集与SPA方法的不确定信息处理具有效果好和易于实现的优点.本文对Vague集不确定信息处理的SPA方法应用现状进行了综述.对Vague集不确定信息处理的SPA方法的未来发展和需要解决的问题进行分析与讨论,提出未来该领域的发展方向及前景.     

无平均数集与无模n平均数集

我们称Ｚｎ＝｛０,１,…,ｎ－１｝的一个子集Ｘ是无模ｎ平均数集,如果对于所有｛ｘ,ｙ,ｚ｝Ｘ,ｘ＋ｙ≠２ｚ（ｍｏｄｎ）。我们记ｒ（ｎ）＝ｍａｘ｛｜Ｘ｜｜Ｘ是无模ｎ平均数集｝,Ｒ′（ｎ）＝ｍａｘ｛｜Ｘ｜｜Ｘ是无模ｎ平均数集,且对于所有｛ｘ,ｙ｝Ｘ,２Ｘ≠２ｙ（ｍｏｄｎ）｝。在本文中,我们证明了：当ｎ为奇数时,Ｒ′（ｎ）＝Ｒ（ｎ）,Ｒ（２ｎ）＝２Ｒ（ｎ）;当ｌ≥２ｎ－１时,Ｒ′（ｌ）≥ｒ（ｎ）;当ｌ≥２ｎ－２时,Ｒ（ｌ）≥ｒ（ｎ）;Ｒ′（ｎ）≤Ｒ（ｎ）≤ｒ（ｎ）     

框架小波集和紧框架小波集

引入了L2(R)的约化子空间X的框架小波集和紧框架小波集的概念,证明了一个可测集E是XΩ的框架小波集充分必要条件是E为基本集且所有2nE(n∈Z)的并集为Ω;给出了可测集E为XΩ的紧框架集、小波集的充要条件,从而使DaiXingde等人关于L2(R)的有关结果成为该结论的特例.     

齐次cantor集与偏齐次cantor集的关系

利用投影的方法得到了在一定条件下,齐次Cantor集与偏齐次Cantor集是可以相等的,并给出了具体的结论和证明．     

关于可测集用疏朗完备集逼近问题

勒贝格可测集和疏朗完备集是两类重要集合,是实变函数中的重要内容.而康托尔集又是一种特殊的疏朗完备集,先从直线上的康托尔集谈起,说明了它与勒贝格可测集之间的几个关系,然后将有关结论推广到高维空间里的一般疏朗完备集的情形,讨论了可测集用疏朗完备集来逼近的问题.     

A note on rough set and non-measurable set

It is proved that rough set is equivalent to non-measurable set in measure theory. Hence, rough set is not a new concept in some sense. At the same time, we defined the measurable degree of a set by inner measure and outer measure. Its special case is the accuracy measure of rough set.     

商集与商集的基本运算

R是A上等价关系，R的所有等价类构成了等价关系R的商集A／R，商集A／R是集合A的划分。商集是关系代数中的一个重要概念，在计算机科学和技术、信息科学和信息工程中都有广泛的应用。但是人们对商集的运算规律和运算结果的研究甚少。本文定义了等价关系的商集的两个基本运算，即商集的加法与乘法。根据商集的结构和性质，给出了商集乘法运算结果的两种表达方式。一种是用等价类通过某种运算构成的集合表示，另一种是用某些等价关系的商集表示。商集的加法运算是一个较复杂问题，加法的运算结果也较难表示。为了准确简洁地表示加法的运算结果，文中引进了不相交并集族的概念，同时也给出了加法运算结果的两种表达方式，一种是用不相交并集族表示，另一种是用某些等价关系的商集表示。     

Rough集与Vague集的对比研究

Rough集和Vague集都是处理不确定、不完备、不准确信息的强大工具。Rough集研究主要针对于对象之间不可分辨的性质，Vague集研究主要针对对象边界的模糊程度。经过分析代数观的Rough集理论和信息观的Rough集理论与Vague集之间的关系，发现信息观的Rough集可以认为是一种特殊的Vague集；而代数观的Rough集与Vague集则是相互独立的，但是两者也有联系。在这2种理论下，信息的不确定性都是由元素部分属于集合而表现出来的，但是这2种理论对不精确信息的处理方法则不同。