广义近似空间与粗糙分类代数

提出了广义近似空间、粗近似公理、干扰集公理、粗糙集的分类原则、粗选原则、不确定偶集原则、精选原则、对策分类、量子逻辑分类、bit量子对称分类、不可比集、bit空间集、协议关系、粗糙集函数、粗糙分类代数和粗糙单代数等基本概念，并提出了一个猜想；展示了一些新观点；基于协议关系构造了粗糙商代数和粗糙子代数，给出了回避-归并算法及算例。     

李代数的粗糙子代数和粗糙理想

对粗糙集上李代数的结构进行了研究,引入了李代数的粗糙子代数和粗糙理想等概念.把粗糙集理论方法和李代数的经典结论结合起来,得到了一些有意义的结论.     

格蕴涵代数LI-理想的粗糙性

粗糙集的代数分析是粗糙集理论研究的一个重要方向,为了用代数的手段研究粗糙集,将粗糙集理论应用于格蕴涵代数,利用LI-理想诱导的同余关系,引入了格蕴涵代数的上、下粗糙LI-理想的概念,并讨论了粗糙LI-理想的相关性质.     

粗糙群的阶及粗糙循环群

对粗糙集上代数结构进行了研究,引入了粗糙群中元素的的阶、粗糙循环群等概念,利用粗糙集理论方法和经典代数的处理手段,讨论了粗糙循环群的结构特征和性质.     

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。     

粗糙群中元素的阶及粗糙循环群

对粗糙集上代数结构进行了研究,引入了粗糙群中元素的的阶、粗糙循环群等概念,利用粗糙集理论方法和经典代数的处理手段,讨论了粗糙循环群的结构特征和性质.     

粗糙半群的进一步研究

主要讨论粗糙集理论在代数系统——半群中的应用,介绍了粗糙半群、粗糙理想、粗糙同态映射及粗糙商半群的概念,提出并证明了与此相关的性质,进一步补充和完善了半群中的粗糙集理论.     

粗糙子环的判定

粗糙代数是粗糙集理论研究的一个方向,粗糙环和粗糙子环是粗糙代数的主要内容之一.以 Pawla粗糙集模型、环论为基础,给出了环的粗糙子环的定义,并研究了粗糙子环的性质及判定定理, 扩展了粗糙代数理论的研究范围.     

粗糙群的同态与同构

主要讨论粗糙集理论在代数统一群上的应用,介绍了粗糙群粗糙同态及粗糙群粗糙同构的概念,提出并证明了与此相关的性质。     

粗糙近似空间的代数性质

讨论粗糙近似空间的代数性质,证明了一个粗糙近似空间是一个完全分配格即分子格,也是一个正则双Stone代数且为Lukasicwicz三值代数.研究粗糙近似空间中原子的形式,举出反例说明粗糙近似空间不必为原子的,并给出粗糙近似空间是原子的一个充要条件.     

粗糙集代数与R_0-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,通过定义偶序对的基本运算,从而构造出相应的粗代数并发现R0-代数能够抽象刻画偶序对的性质。讨论了粗糙集代数与R0-代数的关系以及由粗糙集代数构造R0-代数的方法,借助近似代数上的原子及同余关系,证明了在适当选取蕴涵算子和余运算之后,粗糙集代数就成为R0-代数。     

粗糙代数与BCI-代数

主要研究了近似空间（U,R）与BCI-代数之间的关系,在粗糙集上SCR（U）定义一个二元运算“＊”,证明了（SCR（U）,＊,Ф）是一个BCI-代数,并研究了粗BCI-代数几个重要性质．     

粗糙集代数与MTL代数

讨论粗糙集代数与MTL代数的关系以及由粗糙集代数构造MTL代数的方法.借助近似代数上的原子及同余关系,证明了在适当选取蕴涵算子及余运算之后,粗糙集代数就成为MTL代数.     

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。     

Rough集与Vague集的对比研究

Rough集和Vague集都是处理不确定、不完备、不准确信息的强大工具。Rough集研究主要针对于对象之间不可分辨的性质，Vague集研究主要针对对象边界的模糊程度。经过分析代数观的Rough集理论和信息观的Rough集理论与Vague集之间的关系，发现信息观的Rough集可以认为是一种特殊的Vague集；而代数观的Rough集与Vague集则是相互独立的，但是两者也有联系。在这2种理论下，信息的不确定性都是由元素部分属于集合而表现出来的，但是这2种理论对不精确信息的处理方法则不同。     

Rough集与Vague集的对比研究

Rough集和Vague集都是处理不确定、不完备、不准确信息的强大工具。Rough集研究主要针对于对象之间不可分辨的性质,Vague集研究主要针对对象边界的模糊程度。经过分析代数观的Rough集理论和信息观的Rough集理论与Vague集之间的关系,发现信息观的Rough集可以认为是一种特殊的Vague集;而代数观的Rough集与Vague集则是相互独立的,但是两者也有联系。在这2种理论下,信息的不确定性都是由元素部分属于集合而表现出来的,但是这2种理论对不精确信息的处理方法则不同。     

粗集代数与蕴涵格、格蕴涵代数、剩余格

在重新定义补运算和构造新蕴涵算子的基础上，证明了偶序对〈R，～R〉不仅可以构成蕴涵格、格蕴涵代数、剩余格，而且可构成正则剩余格和MV-代数。     

基于关系代数的关联规则挖掘算法

目的提出基于关系代数理论的关联规则挖掘算法。方法利用数据预处理方法，剔除无关属性、获得相应的目标特征子集。结果基于目标特征子集，利用关系矩阵及相关运算给出了搜索大项集的基于关系代数理论的优化的关联规则挖掘算法，该算法只需扫描数据库一次。结论克服了经典的Apriori算法需要多次扫描数据库的缺点，同时算法具有良好的并行性和可伸缩性。     

基于PL/SQL的粗糙集分类算法研究

为改进数据分类的效果，基于粗糙集理论实现数据分类和规则推理的基本原理，利用粗糙集理论中核及决策类覆盖的思想，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系，简化带有不相容规则的决策系统的数据挖掘算法。通过PL／SQL演示了挖掘分类规则的过程，结果表明基于粗糙集分类算法的有效性。