线性拓扑空间中的凸闭模糊集的等价条件

引入线性拓扑空间中的凸闭模糊集概念，得到闭模糊集是凸模糊集的充分必要条件。     

复映射族z~(-2)+c广义M集的标度性质

在复映射 f(z,c) =z-2 +c的广义Mandelbrot集中 ,发现了主周期芽苞的标度规律·用符号动力学中的方法对其做了研究 ,给出了主周期芽苞字的规律 ,及字相应的提升方程 ,通过解字提升方程 ,给出了任意精确常数 μ的算法 ,通过大量的计算机计算得到了一个常数 μ =1 ·标度常数为 1的情况在复映射的标度常数研究中为首次发现·提出了常数 μ普遍存在于一般有理迭代的广义Mandelbrot集中的猜想     

基于互信息和疑义度相结合的知识约简方法

提出一种基于互信息和疑义度相结合的知识约简方法，遵循修正的互信息准则，发展了一种类似于正交化特性的启发式算法，从决策系统中找出属性集的约简；该方法采用可增可删的双向回归算法，克服了目前前向选择或后向删除的知识约简方法中存在的属性相互依赖或依赖于决策类别的缺点，可保证分类精度不变的情况下，得到更为简化的决策属性集。最后，通过一个简单实例的仿真分析过程验证了文中所提方法的有效性。     

广义粗集的公理化

粗集理论在数据挖掘等领域得到了广泛的应用，对粗集理论进行推广可得到各种广义粗集。该文研究了广义粗集的多个公理组，证明了公理组中各公理的独立性，并给出了普通粗集理论的另一个公理组，它有4条相互独立的公理组成。     

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）。     

H-度量空间中的一个新型KKM定理及其应用

丁协平定义了一个新的空间－－H－度量空间，并在H－度量空间中得到了具有限度量紧闭（开）值的广义H－KKM映象的广义H－KKM定量（应用数学和力学，2001，17（10）：1029－1036）。借助于转移紧闭值映象，在H－度量空间中得到了具有转移紧闭值的H－KKM映象的广义H－KKM定理。应用此定理，得到了H－度量空间中的不动点，最大元存在性定理和截口定理等方面的应用。这些结果统一和推广了近期的许多文献中的相应结果。     

基于粗集与PCNN的图像预处理

研究了如何将粗集(Rough Set)与脉冲耦合神经网络(PCNN-Pulse Coupled Neural Network)相结合，对被噪声污染的图像进行对比度增强处理，使图像清晰，从而便于后续的处理。同时，提出了基于粗集与PCNN的图像增强算法。计算机仿真结果表明，使用基于粗集与PCNN的图像增强算法，可有效地对被噪声污染的图像进行图像增强，减少图像噪声，增加图像对比度，使图像更加清晰，且图像增强的结果优于常规的方法。     

多值依赖无分裂覆盖问题的研究

基于函数依赖规范化理论及多值依赖基本概念，给出了多值依赖的分裂、无分裂多值依赖集等定义，提出了满足无分裂多值依赖集的良好特性，以及无分裂多值依赖集的判定算法，并且提出分裂多值依赖集存在无分裂覆盖满足的条件及其算法．这对于多值依赖集化简、规范化设计和无环数据库设计提供了理论基础．     

无穷维空间中非线性规划解的稳定性

在无穷维空间中，目标函数和约束函数是一般连续函数情况下，给出了最优解和弱稳定、强稳定的定义，并对一般的非线性规划问题给出了其近似问题的解的稳定性充分条件。所得结论推广了Rn中的相关结论，从而使Rn中的相关结论应用到无穷维空间。     

Flow-Shop Scheduling Models with Parameters Represented by Rough Variables

In reality, processing times are often imprecise and this imprecision is critical for the scheduling procedure. This research deals with flow-shop scheduling in rough environment. In this type of scheduling problem, we employ the rough sets to represent the job parameters. The job processing times are assumed to be rough variables, and the problem is to minimize the makespan. Three novel types of rough scheduling models are presented. A rough simulation-based genetic algorithm is designed to solve these models and its effectiveness is well illustrated by numerical experiments.