模糊粗糙逻辑的语义

通过将粗糙逻辑模糊化,建立了模糊粗糙逻辑系统WR．然后在该系统中定义了模糊粗糙命题的运算,给出了该系统的语义及其广义重言式的概念。     

基于模糊粗糙逻辑的属性约简与规则提取

把决策属性看作是一个模糊粗糙逻辑,利用矩阵法求出决策属性对于条件属性的相对正域,给出了基于模糊粗糙逻辑的属性约简的方法,最后根据约简提取规则并计算其精度.     

基于模糊β-覆盖的(I,T)-模糊粗糙近似算子

利用模糊β-邻域和模糊逻辑算子,提出两种基于模糊β-覆盖的(I, T)-模糊粗糙集模型;研究了模型中上、下近似算子的基本性质;对比分析这两对广义模糊粗糙近似算子与其他模糊粗糙近似算子之间的关系,刻画了相关近似算子等价的条件。     

模糊粗糙集的扩张定理

模糊粗糙集(FR)是基于知识的不确定性提出来的，由于其处理信息系统中知识的不完善、不确定问题较粗糙集和模糊集有其自身的优点，近年来模糊粗糙集理论越来越受到国际学术界的关注，文章所讨论了模糊粗糙变换的性质并用模糊粗糙变换的保并性质证明了模糊粗糙集的扩张定理。     

从传统逻辑角度研究模糊性问题初探

本文论述了从传统逻辑角度研究模糊性问题的可行性,并据此对模糊概念和模糊推理进行了尝试性探讨,最后对模糊逻辑做了简要分析。     

一种粗糙模糊神经网络识别器及其应用

结合粗糙集和模糊神经网络提出了一种粗糙模糊神经网络识别器的模型.该模型根据粗糙集理论对训练样本进行建立决策表、离散决策表、约简决策表、提取分类规则等推理过程设计.粗糙模糊神经网络识别器的输入层、两个隐含层、输出层的神经元个数分别根据决策表的约简结果、离散结果和分类规则、决策属性决定.将该识别器用于车牌字符识别,实验表明:该方法比粗糙集规则匹配识别方法识别率提高了18%,比BP神经网络识别方法识别率提高了2.7%.     

基于逻辑算子的推广的L-模糊粗糙集

将基于逻辑算子的粗糙模糊集推广到格L上,定义基于逻辑算子的广义L-模糊粗糙集,和一对广义L-模糊粗糙算子,最后研究其性质并给出了证明.     

区间直觉模糊粗糙集的不确定性度量

利用模糊熵工具将近似集的不确定性度量方法应用在区间直觉模糊信息系统中,给出了区间直觉模糊近似算子的不确定性度量公式.通过在区间直觉模糊近似空间中定义一对新的区间直觉模糊上、下近似算子,将模糊粗糙隶属函数的定义推广到了区间直觉模糊集的粗糙隶属函数;然后利用区间直觉模糊粗糙隶属函数的模糊熵,定义了区间直觉模糊粗糙集的熵;进而解决了区间直觉模糊粗糙集的不确定性度量问题,并讨论了度量的一些相关性质,以此说明定义的合理性.     

求模糊逻辑函数范式的方块图法

本文提出了模糊逻辑函数的方块图表示及等效变换法则，并利用方块图化简模糊逻辑函数，给出求取析取范式与合取范式的直观方法。     

模糊同余关系下的模糊粗糙群

给出了在模糊同余关系下模糊粗糙群的上、下近似的定义,应用模糊同余关系的截集的一些性质,研究了模糊同余下粗糙群的性质.     

模糊粗糙集理论介绍和研究综述

回顾了粗糙集理论,引出了模糊粗糙集的产生背景,介绍了模糊粗糙集模型的一些主要概念和性质,并给出了模糊粗糙集属性重要性的定义,探讨了模糊粗糙集合的应用和发展现状.     

径流中长期预报的粗集模糊推理-神经网络模型

针对传统径流中长期预报模糊推理法存在的问题,基于粗集理论、模糊推理和神经网络技术,提出了基于粗集模糊推理-神经网络的径流中长期预报模型.通过比较预报因子相关关系系数值大小来选择径流的预报因子;用粗集理论约简径流中长期预报决策表,产生模糊推理规则;用BP神经网络技术学习模糊推理中的有关参数.实例验证,该模型比较客观地确定了预报因子模糊子集的隶属函数的参数,简单可行.     

基于粗糙集和模糊理论的变电站电压无功控制策略

在分析传统的变电站电压无功模糊控制策略的基础上,针对模糊理论的"瓶颈"—模糊控制规则的确定问题,引入了粗糙集理论,并讨论了模糊集和粗糙集的互补性,提出了将二者结合起来应用于电压无功控制.在考虑负荷变化的情况下,对模糊粗糙控制策略进行了仿真分析.结果表明:该策略能改善模糊控制的性能,改善变电站的功率因数,更切合现场需要.     

粗糙直觉模糊集的不确定性分析

基于粗糙直觉模糊集的基本概念和模糊熵的公理化定义,给出了直觉模糊集粗糙隶属函数的定义并讨论其基本性质,再利用粗糙隶属函数的直觉模糊熵,给出了粗糙直觉模糊集的不确定性度量,并讨论了度量的一些相关性质。     

一种基于粗集理论方法的水位模糊控制器设计

应用粗集理论中知识表达系统决策规则的简化方法对模糊控制规则进行约简来设计粗糙模糊控制器,通过约简简化控制系统,从而得到一个最简控制决策规则,使系统更易于控制。完成了水箱水位粗糙模糊控制器的设计,并分别进行了模糊控制和粗糙模糊控制仿真研究,研究结果表明该粗糙模糊控制能有效改善模糊控制的性能。     

一种多粒度粗糙区间模糊集方法

多粒度是利用粗糙集方法处理分布式数据的一种有效手段。为了使得多粒度方法能够用于模糊目标的近似逼近,提出了一种多粒度粗糙区间模糊集方法,分别包括乐观和悲观两种不同的模型。不仅对这两种多粒度粗糙区间模糊集的基本性质进行了讨论,而且通过实例分析表明了新提出的模型用于处理区间模糊问题的有效性。     

一种广义模糊粗糙集模型的新定义

在Pawlak粗糙集模型的基础上,把一个论域推广到两个论域,等价关系推广为模糊关系,被近似对象换成模糊集,得到广义模糊粗糙集模型．讨论了该模型与经典粗糙集模型的关系,并与其他模糊粗糙集算子进行了比较．该模型在保留原有一些性质的基础上,近似精度提高了,更具有实际应用价值．