SRθ-强F紧性(Ⅱ)

利用SRθ-闭集定义了SRθ-强F紧集和SRθ-强F紧空间,讨论了SRθ-强F紧集的性质,得出SRθ-强F紧性是弱同胚不变性和SRθ-强F紧空间中每个θ-闭集都是SRθ-强F紧集.     

SRθ-强F紧性(I)

利用SRθ-闭集定义了SRθ-强F紧集和SRθ-强F紧空间,讨论了其若干等价条件.     

L-拓扑空间的SR强F可数紧性

在L-拓扑空间中引入SR强F可数紧性,给出了其α-有限交式、覆盖式等刻划.并证明了SR强F可数紧性具有有限可和,可乘,对半正则闭子集遗传,L-good extension等许多性质.     

拓扑空间中的θ-开集及θ-基

定义了θ-基、θ-邻域基,并讨论其基本性质.利用θ-基和θ-邻域基给出了θ-不定映射.θ-连续映射,θ-紧空间的等价刻画.     

L-拓扑空间的θ-S*-紧性

在L-拓扑空间中引入了θ-开L-集和θ闭L-集,给出了θ-S*-紧性的定义,并讨论了这些紧性的一些性质.     

L-双fuzzy拓扑空间中的θ-配紧性

以θ-开集和θ-闭集为工具,在L-双fuzzy拓扑空间中引入双θ-拓扑空间及一种新的紧性,即θ-配紧性,揭示了θ-配紧性与B-配紧性之间的联系.针对全空间给出θ-配紧性的复盖式刻划,证明了θ-配紧性在双强θ-同胚映射下保持不变和对双θ-闭集的遗传性质,并给出θ-配紧性的Alexander子基引理.     

相对几乎SR紧性及其与其他相对紧性的关系

定义了L-余拓扑空间的相对几乎SR紧性,讨论了相对几乎SR紧性与几乎SR紧性之间的关系,用网和覆盖等工具对相对几乎SR紧性进行了刻划,并系统地研究了相对几乎SR紧性的性质．最后,研究了相对几乎SR紧性与相对良紧性、相对SR紧性、相对强F紧性之间的关系．     

G-凸空间中具有Gθ-优化映象的广义博弈的平衡存在定理

给出了不具有开原象的Gθ-对应和Gθ-优化映象的概念;在非仿紧的G-凸空间中证明了关于Gθ-对应和Gθ-优化映象的极大元存在定理．作为应用,在非仿紧的G-凸空间中建立了具有无限个选手和Gθ-优化选择对应的定性博弈和广义博弈的平衡存在定理．     

作为同态与反同态的广义( θ,θ) - 导子的研究

R是2-扭自由素环,I是R上的非零理想,θ是R上的自同构,F是R上的与(θ,θ)-导子d有关的非零广义(θ,θ)-导子,有F(xy)=F(x)F(y)或F(xy)=F(y)F(x),对所有的x,y属于I且d≠0,则R是可交换的.     

遗传正规弱θ↑——空间的无限乘积

主要证明(1)如果X=∏σ∈∑Xσ是遗传∑-仿紧空间,则是遗传正规弱θ-可加空间当且仅当F∈∑<ω,∏σ∈∑FXσ是遗传正规弱θ-可加空间.(2)设X=∏i∈ωXi是遗传可数仿紧的,则下列三条件等价是遗传正规弱θ-可加的;F∈ω<ω,∏i∈FXi是遗传正规弱θ-可加的;n∈ω,∏i≤nXi是遗传正规弱θ-可加的.     

i-v Fuzzy集的格序结构

在i-vFuzzy集上引入了顺序和运算,并证明了任一非空集X上的一切i-vFuzzy集的全体F(X)i-v构成一完备的完全分配格,且关于引入的对合运算构成一Fuzzy格.     

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。     

基于Fuzzy集的Vague集的模糊熵

给出了Vague集的基本概念，阐述了Vague集的本质及Vague集与Fuzzy集之间的关系；通过对投票模型的分析，指出了在投票模型中投中立票者仍然有某种倾向，且该倾向由投赞成票和投反对票的人类之比来决定，在此基础上提出了一种Vague集向Fuzzy集转化的方法，最后给出了基于这种转化方法的Vague集模糊熵的定义。     

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。     

随机Fuzzy集的强大数定律

本文引入了 B~X 型随机 Fuzzy 集(B~XRF 集)的独立及同分布的概念,并由此给出了它在两种不同场合下的柯尔莫哥洛夫强大数定律.     

疏水沉降地层井筒负摩擦力的模糊反演

采用模糊集理论,提出了一种模糊反演疏水沉降地层井筒负摩擦力的分析方法。该法考虑了反演井筒所受负摩擦力问题中的不确定性、不精确性即模糊性。给出了算例并对模糊反演负摩擦力结果进行了隶属度、敏感系数及贡献权等模糊分析。     

浅谈模糊数学在机械设计中的应用

本文应用模糊数学讨论机器的传动。通过隶属函数建立起传动的各因素之间的模糊关系,再通过模糊变换选取较合适的传动种类。     

WEKA环境下基于模糊理论的聚类算法

因特网上的数据规模大、动态性强,通常发现的知识或规则很可能是不精确和不完备的。为了克服以上不足,引入模糊理论,通过寻找模糊相似上近似集进行合理聚类,在确定聚类数目的过程中,利用平均信息熵进行最佳聚类。同时将模糊聚类算法嵌入WEKA平台,利用WEKA中的类和可视化功能,扩充了WEKA中的聚类算法。实验表明,算法对含有噪声的、分布不规则的大数据集具有很高的精度和收敛速度。     

半群上的粗集与模糊同余

Fuzzy集理论和Rough集的结合为处理不确定性现象提供了一个新的空间。引入了半群上的粗集,建立了半群粗集的模糊同余关系,讨论了在模糊代数系统下,粗集的一些代数性质。     

基于粗糙集理论不完备信息系统的数据挖掘

提出了一种基于推广的粗糙集理论直接在不完备信息系统上进行数据挖掘的方法，并给出了该方法的算法和实例．该方法利用粗糙集理论直接对不完备信息系统进行知识约简，然后根据获得的约简集建立知识层次树，利用规则的支持度阂值s0和置信度阈值c0从知识层次树的压缩搜索空间中提取不完备系统的规则集，该方法保持了原始数据和数据挖掘所获得的知识的真实性，另外，还提出了知识规则的上、下支持度，上、下置信度，规则粗糙度等概念，以便指导用户更好地利用数据挖掘所获得的知识．