多粒化模糊软粗糙集模型

为了扩大粗糙集理论的应用,特别是在模糊环境中的应用,基于模糊软集和模糊蕴涵算子,主要研究基于软模糊近似空间的乐观多粒化模糊软粗糙集模型。该模型将参数集根据客户的不同要求或目标进行重组,只选择若干相关参数集参与计算上、下近似,这样定义的上、下近似不再由整个属性集决定,而是根据重组后的多个属性集一并生成,从而使结果更加符合实际需求。另外,还定义了乐观多粒化模糊软粗糙集模型的截集并讨论了其相关性质。最后给出了算例。     

模糊软子域和余模糊软子域

Molodtsov引入的软集理论,可作为通用的数学工具去处理不确定性问题。给出了模糊软子域和余模糊软子域的概念,对它们的性质进行了研究,此外,定义了模糊软子域和余模糊软子域间的模糊软同态和模糊软同构,给出了模糊软子域和余模糊软子域的同构像定理和同态逆像定理。     

双向S-模糊粗糙集及其应用

以Z.Pawlak粗集理论为基础,将动态模糊近似概念引入Dubois模糊粗糙集中。提出了双向S-模糊粗糙集概念,给出了双向S-模糊粗糙集的结构与性质。分析了双向S-模糊粗糙集与Z.Pawlak粗集、Dubois模糊粗集、S-粗集、S-粗糙模糊集及单向S-模糊粗糙集之间的关系。给出了双向S-模糊粗糙集的应用及存在价值。     

模糊数决策粗糙集

考虑到实际决策问题中损失函数的不确定性特征,从贝叶斯理论出发,将模糊数损失函数引入决策粗糙集,提出模糊数决策粗糙集模型。首先,讨论在贝叶斯期望风险最小决策的语义下模糊数决策粗集理论基本模型的构建过程。其次,分析模糊数决策粗集理论的相关数学性质和准则。最后,通过一个企业信用评佑问题来阐明模糊数决策粗糙集模型的应用过程。     

新型软粗糙集:软粗糙半群

为进一步简化处理不确定性问题的方法,在半群上研究了一种新型的软粗糙集(MSR-半群)。首先,基于软集、粗糙集和半群的一些基本理论,对它们之间的关系进行深入研究,并讨论了软粗糙集的运算和基本性质;接着,为了进一步了解软逼近空间,应用了下软粗糙逼近和上软粗糙逼近的概念;同时,在半群上提出了两种特殊软集即G-软集和GG-软集的概念,对其做相应的运算,并给出实例进行了证明;接着,对MSR-逼近空间的粗糙性进行讨论,提出了MSR-半群的概念,并且研究了上MSR-半群和下MSR-半群的基本特征;最后,通过实例进行比较分析,说明了软粗糙半群的研究价值。     

近环上的模糊软理想和反模糊软理想

Molodtsov引入的软集理论,可作为通用的数学工具去处理不确定性问题。给出了近环上的模糊软理想和反模糊软理想的概念,对它们的性质进行了研究,进一步,定义了近环上的模糊软理想和反模糊软理想间的模糊软同态和模糊软同构,给出了近环上的模糊软理想和反模糊软理想的同构像定理和同态逆像定理。     

一种能处理定性参数输入的推广模糊神经网络软测量建模方法

针对生产过程中存在多种类属型数据和混合型数据,而大多数软测量方法只能处理数值型数据的问题,提出了一种基于粗糙集方法的推广模糊神经网络软测量建模方法,该方法既可以接受定量参数输入,也可以接受定性参数输入.首先建立模糊-清晰混合规则的定义,对具有混合类型属性的样本集进行离散化处理后,利用粗糙集的约简算法进行规则提取,获得最小决策集.由得到的混合决策规则构建推广模糊神经网络,使用样本集训练网络参数.最后将该方法应用于蒸发器的污垢热阻值估计,取得了良好的效果.     

BCI代数上的反模糊软理想和模糊软理想

Molodtsov引入的软集理论,可作为通用的数学工具去处理不确定性问题。给出了BCI代数上的反模糊软理想的概念,对它们的并、交和AND的性质进行了研究,定义了BCI代数上的模糊软理想间的模糊软同态和模糊软同构,给出了BCI代数上的模糊软理想的同构像定理和同态逆像定理。     

剩余格上的模糊软滤子

Molodtsov引入的软集理论,可作为通用的数学工具去处理不确定性问题。给出了剩余格上的模糊软滤子,对它们的性质进行了研究,此外,定义了剩余格上的模糊软滤子间的模糊软同态和模糊软同构,给出了剩余格上的模糊软滤子的同构像定理和同态逆像定理。     

基于软粗糙集的犹豫模糊三支决策方法

三支决策理论采取“三分而治”的处理思路,为复杂问题求解提供了一种简洁高效的解决方案.对此,借助软集理论研究犹豫模糊集和三支决策方法,通过定义犹豫模糊集的值空间和值陪集,引入犹豫模糊集的典范软集、单位区间参数化软集和导出犹豫模糊集等概念,解决犹豫模糊集和软集的相互表示问题.此外,利用软粗糙集理论建立一种基于犹豫模糊集的广义粗糙模型,借助给定的预决策集,计算软上近似集并确定评价函数,进而提出一种基于软粗糙集的犹豫模糊三支决策方法.最后,通过两个数值实例和相关对比分析,验证所提出三支决策方法的合理性和有效性.     

Soft rough fuzzy sets and soft fuzzy rough sets

Fuzzy set theory, soft set theory and rough set theory are mathematical tools for dealing with uncertainties and are closely related. Feng et al. introduced the notions of rough soft set, soft rough set and soft rough fuzzy set by combining fuzzy set, rough set and soft set all together. This paper is devoted to the further discussion of the combinations of fuzzy set, rough set and soft set. A new soft rough set model is proposed and its properties are derived. Furthermore, fuzzy soft set is employed to granulate the universe of discourse and a more general model called soft fuzzy rough set is established. The lower and upper approximation operators are presented and their related properties are surveyed.     

On a novel uncertain soft set model: Z-soft fuzzy rough set model and corresponding decision making methods

In this paper, a kind of novel soft set model called a Z-soft fuzzy rough set is presented by means of three uncertain models: soft sets, rough sets and fuzzy sets, which is an important generalization of Z-soft rough fuzzy sets. As a novel Z-soft fuzzy rough set, its applications in the corresponding decision making problems are established. It is noteworthy that the underlying concepts keep the features of classical Pawlak rough sets. Moreover, this novel approach will involve fewer calculations when one applies this theory to algebraic structures. In particular, an approach for the method of decision making problem with respect to Z-soft fuzzy rough sets is proposed and the validity of the decision making methods is testified by a given example. At the same time, an overview of techniques based on some types of soft set models is investigated. Finally, the numerical experimentation algorithm is developed, in which the comparisons among three types of hybrid soft set models are analyzed.     

双极值模糊（反）软子群

在双极值模糊软集理论的基础上,给出了双极值模糊（反）软子群的概念,讨论了它们的一些相关性质及等价刻画。提出了双极值模糊软映射下双极值模糊软集的像与原像的概念,并研究了双极值模糊软同态下双极值模糊（反）软子群的同态像与原像的初等性质。     

一种应用软粗糙模糊集的多属性决策方法

将软粗糙模糊集应用于多属性决策问题,用软粗糙模糊集分析模糊知识表达系统,定义了软模糊决策系统、决策分类模糊软集依赖度、条件双射软集对决策分类模糊软集的重要性、软模糊决策系统的约简、软模糊决策系统的决策规则等概念,借助这些概念给出了一种基于软粗糙模糊集的多属性决策算法,通过实例分析说明了该算法的可行性。     

单向S-区间值模糊粗糙集及应用

以Z.Pawlak粗集理论为基础,将动态区间值模糊近似概念引入区间值模糊粗糙集中。由此提出了单向S-区间值模糊粗糙集概念,给出了单向S-区间值模糊粗糙集的结构与性质。定义了单向S-区间值模糊粗糙集的粗相等、截集、粗糙度等概念,并对一些相关性质进行讨论和证明;给出了单向S-区间值模糊粗糙集的应用及存在价值。