粗糙分类代数--协议关系与粗糙商代数

提出了协议关系的粗糙分类代数、粗糙单代数、协议关系粗集函数等概念。刻画了粗糙分类代数的性质,构造了粗糙商代数,得到了一些基本结果。提出了回避-归并算法,并给出了一个例子。     

基于Galois联络的粗糙集公理化方法

Galois联络与粗糙集是两个不同的研究分支,本文基于Galois联络,给出经典粗糙集的公理化刻画.提出了两组与Galois联络密切相关的公理GC与GC',用这两组公理刻画了经典粗糙近似算子.证明了满足公理GC或GC'的论域幂集上的一元算子总对应于某一经典二元关系,使得由二元关系诱导的粗糙近似算子就是该一元算子.     

量子B-代数的粗糙性（英文）

不确定性理论有广泛的应用和重要的影响。文章将不确定性理论中的粗糙集理论应用到量子B-代数中。考虑了（线性序）量子B-代数的粗糙子代数，证明了量子B-代数上的子代数是粗糙子代数。然后，研究了格序量子B-代数的粗糙正规q-滤子。证明了量子B-代数上正规q-滤子是粗糙正规q-滤子。为了研究格序的量子B-代数，借助单位元将量子B-代数分为三类，给出了并和交运算的具体形式。研究了格序量子B-代数上粗糙正规q-滤子的同态像。此外，将粗糙集理论应用于一类特殊的量B-代数—CKL-代数中，通过选择合适的蕴含算子，证明了粗糙集代数是CKL-代数。最后，将粗糙软集理论应用在量子B-代数上，给出了一个量子B-代数上的决策算法。     

粗糙集的BCK-代数

在粗糙集的代数方法研究中,一个重要的方面是从粗糙集的偶序对(＜下近似集,上近似集＞)表示入手,通过定义偶序对性质的基本运算,从而构造出相应粗代数,并寻找能抽象表示偶序对的性质的一般代数结构.其中最有影响的粗代数分别是粗双stone代数、近似空间代数和粗Nelson代数.文章讨论了近似空间中粗糙集的代数性质,通过所给的粗糙并、交、补的定义,定义了粗糙集的全体所组的集合B的一个二元运算*.并证明B是一个蕴涵的BCK-代数.     

限制容差关系的不完备可变粗糙集

针对不完备信息决策系统中信息引起的不相容性的问题,引进包含度,提出基于限制容差关系的可变粗糙集模型,并研究其相关性质.通过对限制容差关系的可变粗糙集模型和限制容差关系粗的糙集模型对比分析,结果表明:限制容差关系的可变粗糙集模型拥有更高的粗糙近似分类精度和粗糙近似分类似质量,通过实例说明该理论是可行的.     

粗糙集的代数性质

讨论了近似空间中粗糙集的代数性质,给出了粗糙并,交,补的定义,并定义了粗糙集的伪补元,基于此,从多方面探讨了粗糙集的代数性质,如,它是一个分配格,软代数,甚至是Stone代数。     

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．     

半环的粗糙子半环

在半环上引入粗糙集,并研究了粗糙子半环;利用半环的非空子集上关于同余关系的上、下近似,给出了半环的粗糙子半环的定义,证明了半环的子半环、理想一定是半环的粗糙子半环、粗糙理想．     

基于粗糙集的不确定性知识处理方法

本文针对在粗糙集理论中由来自给定论域里粗糙近似的边界这种原因而引起集合知识的不确定性,提出了一种粗糙可观察的处理方法。利用粗糙隶属函数及粗糙可观察的概念,使粗糙集合可近似用论域上的基本集的并来表示,即近似为一个可定义集,从而实现粗糙集合不确定性知识的确定化。     

双半环的粗糙性质

在双半环上引入了粗糙集并研究了粗糙子双半环,利用双半环的非空子集上关于同余关系的上、下近似,给出了双半环的粗糙子双半环的定义,证明了双半环的子双半环一定是双半环的子双半环,理想一定是粗糙理想。     

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。     

覆盖粗糙集的模糊度

粗糙集的不确定性度量是粗糙集理论中的关键问题之一.粗糙隶属函数为粗糙集提供了新的解释,并为粗糙集的不确定性度量提供了方法.Tsang对覆盖近似空间中的近似算子进行了研究,提出了一种较已有模型更合理的覆盖粗糙集模型.但是,该覆盖粗糙集的不确定性度量却没有被研究.针对第三类覆盖粗糙集模型,定义了第三类覆盖粗糙集的粗糙隶属函数,并据此定义了第三类覆盖粗糙集的模糊度.     

覆盖粗糙集的模糊度

粗糙集的不确定性度量是粗糙集理论中的关键问题之一。粗糙隶属函数为粗糙集提供了新的解释,并为粗糙集的不确定性度量提供了方法。Tsang对覆盖近似空间中的近似算子进行了研究,提出了一种较已有模型更合理的覆盖粗糙集模型。但是,该覆盖粗糙集的不确定性度量却没有被研究。针对第三类覆盖粗糙集模型,定义了第三类覆盖粗糙集的粗糙隶属函数,并据此定义了第三类覆盖粗糙集的模糊度。     

粗糙Vague集及其相似度量

对粗糙集和Vague集的概念、知识表示方法进行了研究，提出了粗糙Vague集的概念．研究了粗糙Vague集的相关性质，提出了粗糙Vague集相似度量的方法．     

基于误分类代价的粗糙模糊集近似集

粗糙模糊集的近似集提供了如何利用已知的信息粒来近似描述模糊知识的方法,但在构建近似集时并没有考虑误分类代价这一实际因素.针对此问题,从误分类代价的角度,提出了粗糙模糊集的近似表示R(X),并揭示了多粒度知识空间中不确定性域对应的误分类代价随着粒度细化的变化规律.实验结果表明,R(X),R(X)和R(X)分别作为X的近似集时,R(X)产生的误分类代价最小,在一定程度上反映了R(X)作为近似集时的优势.     

一种基于粗糙均方残基的模糊双聚类方法

双聚类作为一种无监督的学习方法,其作用是对基因表达数据进行分析.为了获取较大容量的双聚类簇,弥补传统的双聚类方法在基因表达数据一致波动性方面的不足,引入粗糙集的上、下近似集概念,将粗糙集理论运用到模糊双聚类算法中,将粗糙上、下近似集与加权均方残差相结合,得到新的粗糙均方残基,进而提出一种基于粗糙均方残基的模糊双聚类算法.针对基因表达数据集,首先进行缺失值填补;其次,用非负矩阵分解算法对基因数据集进行降维;最后,计算数据矩阵的粗糙均方残基,结合综合评判度量函数与贴近度原则对矩阵的行列进行删除和添加,得到容量更大的双聚类结果.实验结果表明,该模糊双聚类算法是有效的.     

关于粗糙集中的导集拓扑及性质之研究

为了研究粗糙集与导集拓扑之间的关系,文中以粗糙集、导集运算、拓扑空间为研究对象,采用文献研究法、数学方法、探索性研究法,先定义了粗糙集中的导集运算,然后构建和证明了糙集中的导集拓扑,研究结果表明糙集中的存在导集拓扑,并取得了在粗糙集中用开集公理建立的拓扑和用导集运算建立的拓扑是等价的、粗糙集中满足导集运算和拓扑空间闭包运算的结论,该结论推广了粗糙集中已有的拓扑研究。     

粗糙模糊集的粗糙性度量

粗糙集理论和模糊集理论是处理不确定和不精确问题的两种数学工具,它们有很强的互补性,将这两种理论相互融合可以建立粗糙模糊集模型。本文在概率近似空间上研究了粗糙模糊集的粗糙性度量,定义了知识的粗糙度概念,并将它与模糊集的粗糙度相结合给出了粗糙模糊集粗糙性的一种新的度量,验证了该度量的一些性质。     

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。