粗糙近似算子与可能性测度

Pawkak粗糙集理论在不精确数据分析,不完全信息系统处理,海洋数据挖掘及神经网络方面都得到了广泛应用,介绍了Pawlai粗糙集的基本概念,在定义了基于随机集的粗糙近似算子的基础上讨论了随机集,粗糙近似算子与可能性测度的关系。     

基于随机集的粗糙集模型（Ⅰ）

为了处理人工智能中不精确和不确定的数据和知识，介绍了一个新的领域－粗糙集的基本概念及其有关进展，提出了基于随机集的研究框架，进一步用随机集去描述粗糙近似算子，并讨论了随机集、粗糙集和信任函数之间的关系。     

基于随机模糊集的粗糙集模型

为处理人工智能、不精确性和不确定性等问题,综合随机集和模糊集两类集合的优点,提出一种新的粗糙集模型一基于随机模糊集的粗糙集模型．利用随机模糊集定义了一种近似算子,并给出了这种近似算子的一些重要性质．     

基于随机集的粗糙集模型(I)

为了处理人工智能中不精确和不确定的数据和知识 ,介绍了一个新的领域———粗糙集的基本概念及其有关进展 ,提出了基于随机集的研究框架 ,进一步用随机集去描述粗糙近似算子 ,并讨论了随机集、粗糙集和信任函数之间的关系     

随机粗糙度与粗相等

在基于随机集的粗糙上近似、粗糙下近似的概念及其简单性质的基础上,定义了随机近似空间上的粗糙度、基于随机集的粗糙集的上粗相等、下粗相等、粗相等、随机粗糙集类和随机粗糙近似空间的概念,并且得出了随机粗糙近似算子的一系列性质、随机粗糙集类和随机粗糙近似空间的一一对应关系等重要的结论。     

随机收缩与随机集值算子方程的可积解

本文应用随机收缩和通过定义随机集值算子的诱导算子的技巧,证明随机集值算子方程可积解的存在性定埋。     

集值随机算子方程的解及其应用

在本文中,我们首先对具有连续随机集值算子的随机集值算子方程的随机解证明了一个一般的存在性定理,作为应用我们可以得到许多决定性集值或单值算子方程可解性结果的随机推广。其次我们对随机集值算子引入了随机弱收缩方向和随机弱定向压缩概念,利用此概念,我们对随机集值算子方程0∈P(ω,x)和u(ω)∈P(ω,x)的随机解机证明了几个存在性定理,改进和推广了Altman 和作者的某些最近结果.     

概念在因素空间中的落影表现

研究概念是如何在因素空间中由随机集的落影来表现。首先介绍了因素空间的基本思想，然后讨论概念在因素空间中的表现，最后给出了表现外延的落影表示，以及模糊算子的确定方法。     

Hilbert空间中一类新的随机集值隐拟变分不等式

随机集值隐拟变分不等式是变分不等式与不动点领域的一个重要分支,其被广泛的应用于博弈论、经济金融管理、物流管理等领域.研究了Hilbert空间中的一类新随机集值隐拟变分不等式问题。利用投影算子技巧、Nadler不动点定理以及不动点的随机化原理,给出了该类随机集值隐拟变分不等式解的存在性结果.所得结果,丰富了随机环境下随机变分不等式问题的可解性结果,包含的前人已有结果为特例.     

微小扰动下NLS方程解的摄动分析

从带有某种扰动项的一般NLS方程出发，采用奇异摄动的方法，得到了方程的零级近似方程和一级近似方程，通过对近似方程中算子的特征态的讨论，引入适当的“导出态”，建立了算子在空间的特征态的完备性．利用这种完备性，得到近似方程中相应的量在该完备集中的展开式，并得到展开式中系数的演化方程，再通过对这些演化方程的讨论，求得了该方程在微小扰动下的一级近似解．所得的近似解具有较好的精确性，另外该方法也同样适用于扰动项为一般形式的情况．     

p-E-凸集及其若干性质

在p-凸集和E-凸集概念基础上,通过将p-凸集和E-凸集相结合,提出了一种广义凸集——p-E-凸集,使得凸集、p-凸集和E-凸集成为它的特例,推广了凸集的概念.最后,初步研究了p-E-凸集的性质.     

关于模糊粗糙集的一个注记

指出文献[6]中定义的模糊粗糙集的补集不再是模糊粗糙集.为了克服原定义中的缺陷,给出了关于模糊粗糙集的新的补集定义,讨论了相应的运算性质.同时还证明:模糊粗糙集其实就是定义在F格L上的L-模糊集.     

q-开集及其性质

给出了q-开集的定义及其相应性质,讨论q-开集同半开集、准开集,α - 集之间的关系.     

教育实验结果的评价──模糊数学在教育实验中的应用

利用模糊矩阵，对教育实验结果的价值进行综合评判，以实现评价的客观性，并对影响实验结果的各因素作分析。     

康托型集的应用

着重讨论了康托型集在实变函数论中的某些应用。     

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.     

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．     

自相似马氏过程的极性

本文我们给出了任意紧集不是自相似马氏过程的本性极集的充要条件，并讨论了自相似马氏过程极集，本性极集，半极集之间的关系．     

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。     

不变反凸模糊集

研究了不变反凸模糊集及其相关性质,推广了有关文献中反凸模糊集的概念和相关结论.首先,通过将不变凸集的思想应用到反凸模糊集,定义了一种新的广义反凸模糊集——不变反凸模糊集:设A∈F(Rn),称A为不变反凸模糊集,若存在映射η:Rn×Rn→Rn,有A(y+αη(x,y))≤A(x)∨ A(y),(V) x,y∈Rn,(V)α∈[0,1].然后,探讨了反凸模糊集与不变反凸模糊集的关系:当η(x,y) =x-y时,不变反凸模糊集就退化为反凸模糊集,显然,反凸模糊集成为不变反凸模糊集的特例；通过构造例子说明不变反凸模糊集不是反凸模糊集,得到不变反凸模糊集是反凸模糊集的真推广的结论.根据不变反凸模糊集的定义,研究了不变反凸模糊集的并、稠密性等性质以及模糊集成为不变反凸模糊集的条件.最后,类似于不变反凸模糊集,分别探讨了模糊集成为不变强反凸模糊集和不变严格反凸模糊集的条件.