粗糙模糊集的分解定理及表现定理

讨论了粗糙模糊集的构造性质,给出其分解定理及表现定理。     

模糊粗糙集分解定理的讨论（I）

分解定理是模糊数学的最基本定理之一,文章给出了模糊粗糙集的四个分解定理,并指出因偏序关系普通模糊集的部分分解定理并不能推广到模糊粗糙集.分解定理建立了模糊粗糙集与经典集间的联系,通过它可以把模糊粗糙集的某些性质的研究转化为相关的经典集的有关性质的研究,从而可以利用人们千百年来的研究成果和实践经验。     

模糊粗糙集分解定理的讨论(Ⅰ)

分解定理是模糊数学的最基本定理之一,给出了模糊粗糙集的四个分解定理,并指出因偏序关系普通模糊集的部分分解定理并不能推广到模糊粗糙集。分解定理建立了模糊粗糙集与经典集间的联系,通过它可以把模糊粗糙集的某些性质的研究转化为相关的经典集的有关性质的研究,从而可以利用人们千百年来的研究成果和实践经验。     

四种截集的下分解定理和下表现定理

１预备知识定义１１［１］设Ａ是论域Ｘ上的Ｆｕｚｙ集,Ｆｕｚｚｙ点ｘλ与Ｆｕｚｚｙ集Ａ有以下关系：（１）Ａλ＝｛ｘ｜ｘ∈Ｘ,Ａ（ｘ）≥λ｝＝｛ｘ｜ｘ∈Ｘ,ｘλ∈Ａ｝,Ａλ·＝｛ｘ｜ｘ∈Ｘ,Ａ（ｘ）＞λ｝＝｛ｘ｜ｘ∈Ｘ,ｘλ∈·Ａ｝分别称为Ａ的λ－上...     

高型粗糙模糊集及高型模糊粗糙集

定义了L型粗糙模糊集（L型RF集），给出了其相关性质，进而引进了高型粗糙模糊集（高型RF集），它比普通的RF集具有更高层次的粗糙模糊性，可用于人们对粗糙模糊现象的描述，增强人们对自然语言的表达能力，平行地，最后研究了高型模糊粗糙集（高型RF集）。     

粗糙模糊数的分解定理和表现定理

粗糙集理论和模糊集理论都是研究信息系统中知识的不完善、不准确问题 ,前者基于信息系统中知识的不可分辨性 ,后者基于信息系统中知识的模糊性 ,将二者结合形成了粗糙模糊集 .讨论了粗糙模糊数(RFN)的构造性质 ,给出了粗糙模糊数的分解定理及表现定理 .     

模糊上下文无关树文法的分解定理和表现定理

定义了模糊上下文无关树文法（FCFTG），讨论了其构造性质，给出了其分解定理及表现定理，从两个不同的角度，阐明了FCFTG与非模糊上下文无关树文法的代数结构之间的关系，提供了将FCFIG转化为普通文法问题的方法。     

直觉模糊集的一对分解定理

首先指出了相关研究中给出的直觉模糊集分解定理中被分解的直觉模糊集本身是分解式中的一项且分解式中各项大量重复和某些错误,提出了模糊集或直觉模糊集的分解定理应当把一个模糊集或直觉模糊集表示成与之有关的一族具有某种共同特征的其他模糊集或其他直觉模糊集的并或交的观点.然后在引入模糊集及直觉模糊集的λ-截积与λ-截和的基础上给出了直觉模糊集的基本定理,即任一直觉模糊集的所有λ-截积(强λ-截积)与λ-截和(强λ-截和)仍然是直觉模糊集;并证明了任一模糊集或直觉模糊集等于它的所有λ-截积(所有强λ-截积)之并,也等于它的所有λ-截和(所有强λ-截和)之交,这些结果分别称为模糊集、直觉模糊集的分解定理.     

L－Fuzzy集分解与表现定理的新形式

本文从格论入手，重新讨论Ｌ—Ｆｙｚｚｙ集分解与表现定理，并给出更为广泛、具有实用价值的新形式．     

模糊粗糙集的贴近度

基于模糊集理论中贴近度的定义及模糊粗糙集的有关性质 ,讨论了模糊粗糙集 (FR集 )的贴近度 ,进而给出了模糊粗糙集的距离贴近度、最小最大贴近度、最小平均贴近度以及格贴近度     

粗糙集和模糊集的比较分析

介绍了模糊集和粗糙集各自的理论和特点,并讨论了模糊集和粗糙集的各自优点和缺点,有机将两种理论结合起来分析了模糊粗糙集、粗糙模糊集及粗糙隶属函数的性质及应用,引入变精度思想,在粗糙模糊集上定义其上下近似。     

粗糙模糊集的贴近度

讨论了粗糙模糊集 (RF集 )的性质 ,并在此基础上 ,定义了粗糙模糊集的贴近度 .基于定义 ,分别给出了粗糙模糊集的距离贴近度 ,最小最大贴近度 ,最小平均贴近度以及格贴近度 .     

模糊集与粗糙集的互补定义方法

利用粗糙集定义模糊集,利用模糊集定义粗糙集。     

粗双枝模糊集的扩展原理

利用粗双枝模糊集的表现定理,给出粗双枝模糊集的扩展原理,为知识的表示提供了一种方法。     

基于粗糙集理论的模糊信息分类方法

介绍了属性约简的概念,并用模糊语义距离矩阵解决了含有模糊数据的相互依赖的数据库的信息分类问题。     

粗糙集中的近似精确问题

从粗糙集中的“边界”(可能决策)的角度出发，首次提出了上(下)边界的概念，讨论了边界的一些性质，进而提出了粗糙问题中可近似为精确问题处理的近似精确问题模型，并给出了近似精确问题的处理方法。