模糊扰动算子及其性质研究

在扰动模糊子集的基础上提出了两种模糊扰动算子 ,即边界模糊扰动算子 (B+ ,B·)和包含模糊扰动算子(I+ ,I·) ,定义了两种算子下区间值的偏格和格的概念 ,指出了两种运算的直观含义及某些性质     

扰动模糊逻辑及其"与","或"算子

提出了扰动模糊命题逻辑的概念,定义了扰动模糊命题的运算,然后将一维模糊逻辑算子推广到二维的扰动模糊逻辑算子中去,提出了扰动模糊“与”“或”算子,同时对这些逻辑算子的性质做了较为系统的研究,从而使模糊逻辑的概念及性质得到进一步的推广。     

模糊蕴涵算子及其构造(Ⅳ)--模糊蕴涵算子的对偶算子

将模糊蕴涵算子θ0～θ191的表达式θ(a,b)换为θ(1-a,1-b)后,构造出模糊蕴涵算子θ192～θ342,通过求模糊蕴涵算子θ0～θ191的对偶算子,构造出模糊蕴涵算子θ343～θ390,给出了基于Willmott算子构造的模糊蕴涵算子θ392～θ395．构造了199个模糊蕴涵算子,连同已知的12个模糊蕴涵算子,共给出211个模糊蕴涵算子,为模糊控制器的构造提供了较大的选择范围．     

隶属函数μA～(u)的扰动问题及扰动算子研究

提出隶属函数μA~(u)的扰动概念，给出了扰动隶属区间函数的定义作为一般隶属函数的一种延拓，对扰动模糊集仍沿用一般模糊集的“并”，“交”，“补”运算，并仍记为A~,说明了全体扰动模糊集对这三种运算是封闭的，给出了隶属区度的扰动算子“∧”，“任意”运算和隶属区间矩阵等概念，使得对模糊概念的描述更加符合客观实际。     

Banach空间中度量投影算子的性质

本文在一定的Banach几何框架下讨论了度量投影算子的若干性质．先利用对偶映射给出了投影算子的几个等价条件，然后利用等价条件讨论了自反、光滑、严格凸Banach空间中度量投影算子的线性性质和投影算子在凸闭子集中的方向导效等性质．     

基于包含度的模糊粗糙近似算子

1965年,L.A．zadeh提出了模糊集理论,1982年,波兰数学家Z．pawlak提出了粗糙集理论,将二结合而形成模糊粗糙集及粗糙模糊集．利用包含度的概念定义上模糊粗糙近似算子,下模糊粗糙近似算子,边界．并讨论它的性质．     

AM-紧算子的控制性质

不变子空间问题是算子理论中一个著名的问题,为了把Abramovich等人关于紧算子的不变子空间相关结果推广到AM-紧算子,本文对Banach格上AM-紧算子的性质做了比较深入的探讨.主要研究了其控制性质与格性质,并给出结果:若Banach格E上算子T、S满足0≤S≤T,T是AM-紧算子,则S2是AM-紧算子,AM-紧算子的一些其他性质也进行了相关讨论.     

强可分解算子的对偶性质

本文讨论了Banach空间上强可分解算子的对偶性质,建立了算子T与它的对偶算子T~在强可分解性方面的对偶定理。     

扰动模糊集相似度限定推理方法

作为模糊控制理论基础的模糊推理，近年来得到广泛的研究和应用。结合模糊推理的Mamdani算法与J．EBaldwin的真值限定推理方法，在扰动模糊集上定义了一种模糊推理的新方法一扰动模糊集相似度限定推理(FMP和FMT)方法，提出了扰动模糊集相似度限定推理方法，该方法是满足关系再现的并对关系再现问题进行了讨论，给出了满足还原算法的条件。     

半群的非游荡性

通过给出一般算子半群T(t)的非游荡性概念,利用赋范空间的一个基本结果和直接的构造法证明了具有变系数的线性发展方程的强连续解半群T(t)=etA在适当的条件下是非游荡的;另外,通过对C-半群T(t)概念的引进,定义了一个无界算子半群etA,进一步证明了这二者关于非游荡性的联系;最后给出了一个无界算子半群etP(B)关于非游荡性理论的刻画,其中P(B)是微分多项式.     

人口算子的一个谱特征

讨论了人口算子复本征值的代数重数问题。在一定的条件下证明了，除至多有限个外，人口算子复本征值的代数重数均为1。     

拟阵中算子的性质

在有限集上定义了闭包、内部、外部和边界等算子,然后用类似于拓扑学中的方法研究了这些算子与拟阵之间的关系,并研究了这些算子的复合性质.结果表明,这些算子的每一个都可以确定惟一的一个拟阵,Kuratowski 14集定理在拟阵中成立.     

一类带参算子的性质及应用

本文讨论积—微分方程研究中经常涉及的一类积分算子性质,并给这了若干应用的例子。     

模糊信息过滤算子的公理化体系

针对在利用模糊信息进行决策时,常常需要依据某种决策意识,强化或削弱某些因素的作用,即需要对模糊信息进行过滤处理,在分析了现行信息过滤方法本质特征的基础上,提出了模糊信息过滤算子的公理化体系,并给出了建立信息过滤算子的一般方法,讨论了信息过滤在模糊综合评判中的应用.     

Concept Approximation between Fuzzy Ontologies

0 IntroductionOnktnoolwolgeyd[g1]ei so tnh eth bea ssiec moaf nstihcari Wnge ba[n2]d. re Tuhsienregare concepts ,relations ,instances and axioms in theontologies .Classic ontologies are based on descrip-tionlogics[3],whichinterpret conceptsinthe ontol-ogy as sets of instances . However , we often needrepresent uncertainty information in practice,e.g.text and multi media information. The classic ontol-ogies are insufficient to represent such uncertaintyinformation, because it may be uncertain …