关于粗糙模糊集模糊度的计算方法讨论

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模糊度是模糊集的一种重要的数字特征,我们用模糊度来刻画模糊集的整体模糊程度。本文定义粗糙模糊集的几种模糊度,并通过实例给出了粗糙模糊集的模糊度计算方法。     

粗糙模糊向量及性质

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。模糊向量可以看成模糊集,本文定义了粗糙模糊向量和粗糙模糊向量的内积和外积,讨论了粗糙模糊向量和粗糙模糊向量的内积和外积的性质。     

基于有限区间上的模糊粗糙数

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,将二者结合形成了模糊粗糙集．本文首先定义了有限区间上的模糊粗糙数（RFN）,进而讨论了它的的性质．     

模糊粗糙数的贴近度

本文引入了模糊粗糙数的贴近度,并在此基础上,分别给出了模糊粗糙数的距离贴近度,最大-最小贴近度,最小平均贴近度以及格贴近度.     

粗糙模糊集的截集性质及其应用

本文研究了粗糙模糊集的截集性质,粗糙模糊集的上、下近似算子具有保截集性质.在此基础上给出了粗糙模糊集的分解定理,证明了模糊上、下近似算子是其限制在经典集合上算子的典范扩张.最后,利用截集性质简化了模糊集的粗糙度和精度的计算,并给出一个应用实例.     

模糊矩阵的分解定理

从模糊矩阵的定义与λ-截矩阵的定义出发,提出一种数与模糊矩阵的乘积运算,通过这个运算建立了模糊矩阵的分解定理,得到了模糊矩阵与截矩阵之间的转化关系和一类经典集合矩阵与模糊矩阵之间的转化关系,并讨论了数与模糊矩阵的乘积运算的性质.     

模糊同余关系下的模糊粗糙群的运算

以群上的模糊正规子群与群上的完备的模糊同余关系的对应出发,研究模糊同余关系下的模糊粗糙群的若干运算性质,补充和丰富模糊集与粗糙集的交叉理论.     

基于各种截集的直觉模糊向量子空间

首先,利用模糊集的上截集、下截集、上重截集和下重截集的各种"凸组合",给出直觉模糊集的下截集、上重截集和下重截集的定义,并研究了其性质。其次,将模糊集的上截集、下截集、上重截集和下重截集作为经典向量子空间定义了相应的直觉模糊向量子空间,研究了各个直觉模糊子空间的性质。最后,讨论了各种直觉模糊向量子空间的关系。由于这些截集的建立实质上是已有直觉模糊集截集的推广,所以研究的结果丰富了已有的直觉模糊向量空间理论。     

模糊同余关系下的模糊粗糙群的同态

从群上的模糊正规子群与完备模糊同余关系的对应出发,研究模糊同余关系下的模糊粗糙群与模糊粗糙商群的同态关系.即在一定条件下,满同态能保持模糊同余关系的结果.进一步补充和丰富了模糊集与粗糙集的交叉理论.     

基于模糊粗糙最近邻算法的不平衡数据分类

为了提升不平衡数据中少数类的分类精度,利用SMOTE采样方法对数据集进行平衡化预处理;为了减轻样本重新合成过程中产生的类重叠和噪声对分类精度的影响,选择模糊粗糙最近邻算法（FRNN）作为分类器。在14个不平衡数据集上进行的仿真实验表明,该方法具有较好的分类表现,F值和G值最高分别可达0.965、0.932,是一种适用于不平衡率偏高数据集的分类方法。     

确定多分类器融合中模糊测度的一种新方法

为了解决多分类器融合中确定模糊测度困难的问题,本文提出了一种简单实用的方法:先利用基于模糊一致矩阵的决策方法计算各分类器的主观模糊密度值,然后将其与作为客观模糊密度值的分类器识别率进行组合得到各分类器的综合模糊密度值,进而确定出相应的模糊测度值。     

基于粗糙集与信息熵的属性重要性度量

阐述了粗糙集和信息熵的概念,在此基础上给出了基于信息熵的属性重要性度量公式,并证明了属性集中绝对必要元素与属性重要度之间的关系.最后,通过实例分析表明该公式的有效性.     

模糊集方法在粗糙集研究中的一些应用

粗糙集理论的创始人Z.Pawlak曾经得出一个结论:“粗糙集是泛化的模糊集;”通过粗糙隶属函数把粗糙集理论与模糊集联系起来,建立了一种粗糙集理论与模糊理论的关系。     

变精度粗糙集与基于变精度粗糙集的知识模糊度量

变精度粗糙集是对标准粗糙集理论的一种扩展 .它通过设置阈值参数 β ,放松了标准粗糙集理论对近似边界的严格定义 .文中讨论了变精度粗糙集的置信阈值 β ,通过算例给出了信息系统中基于变精度粗糙集的规则提取方法 ;将变精度粗糙集模型应用于模糊集 ,提出了在变精度粗糙集中知识的一种模糊度量方法 ,对这种方法的一些性质进行了研究 ,并用该模糊度量方法描述了近似算子 .研究表明 ,该方法可合理解释模糊隶属函数 ,清晰说明了隶属度的含义 .     

智能控制课程中模糊集合概念的一种教学方法

基于实际教学过程发现的问题,讨论了“智能控制”课程中“模糊集合”概念的一种教学方法,该方法基于将模糊集合与经典集合两概念的联系与比较。通过改变经典集合概念的定义和描述方式,使经典集合和模糊集合两概念具有可比性。经过类比,借助于对经典集合的理解,使不易理解的模糊集合概念变得容易理解。很好地回答了“为什么模糊集合是由一个映射来定义?”、“为什么说经典集合是模糊集合的特例?”等疑问。所讨论的教学方法,对相应内容的教学具有参考价值。     

基于模糊集合理论的评课方法研究

针对评课指标的模糊性特点,运用模糊集合理论建立评课模型,可以探讨其具体运用。研究表明,运用模糊集合理论进行评课能有效减少主观因素的影响,计算方法简便实用,评价结果准确可靠。     

关于一个特殊的自相似集的Hausdorff测度的准确值的计算

该文利用自相似集的Hausdorff测度的一个基本结果得到了一个特殊的自相似集的Hausdorff测度的准确值,并指出了有关文献中的一个错误.     

粗糙集与模糊集的转化算法分析

在可能性测度的粗糙集解释基础上，给出了模糊集与粗糙集的一个转化算法，从而建立了两种非经典集合之间的关系．     

Fuzzy数收敛性的一个注记

文章利用截集,讨论了Fuzzy数序列的水平Fuzzy收敛性与点式弱收敛性的关系。证明了Fuzzy数序列的水平Fuzzy收敛性蕴涵点式弱收敛性,但反之不真。