近似空间的笛卡尔积粗集模型及其可分解性

为处理人工智能中不精确和不确定的数据和知识,Pawlak提出了粗集理论。之后粗集理论得到拓广,人们提出了许多新的粗集模型。拓展的方法主要有两种,一种是减弱对等价关系的依赖,另一种是把讨论问题的论域从一个拓展到两个。Y.Y.Yao提出了一种基于两个论域的粗集模型。现研究基于两个近似空间的笛卡尔积粗集模型,给出了积近似空间的概念,刻画了可分解集合的上(下)近似、近似精度和粗糙度。最后研究了笛卡尔积粗集模型的可分解问题,给出了一个近似空间积可分解的充分必要条件。

近似空间的乘积空间和子空间及映射

以往粗集理论的研究或应用均局限于单个近似空间.客观世界中的事物是彼此关联的,粗集作为近似描述模糊概念的数学工具局限于单个近似空间显然是不够的,粗集理论应该有更广阔的领域.在此尝试讨论近似空间之间的关系,提出乘积空间和子空间的概念,利用映射建立近似空间之间的联系,提出近似空间同构的概念.

积模糊粗集模型及其模糊知识粒的表示和分解

为处理人工智能中不精确和不确定的数据和知识,Pawlak提出了粗集理论。之后粗集理论被推广,其方法主要有二:一是减弱对等价关系的依赖;二是把研究问题的论域从一个拓展到多个。结合这两种思想,研究基于两个模糊近似空间的积模糊粗集模型及其模糊粗糙集的表示和分解。根据这种思想,可以从论域分解的角度探索降低高维模糊粗糙集计算的复杂度问题。先对模糊近似空间的分层递阶结构———λ-截近似空间进行研究,得到不同层次知识粒的相互关系;然后定义模糊等价关系的积,并研究其性质及算法;最后构建基于积模糊等价关系的积模糊粗集模型,并讨论了该模型中模糊粗糙集的表示及分解问题,分别从λ-截近似空间和一维模糊近似空间的角度去处理,给出了可分解集的上(下)近似的一个刻画,及模糊可分解集的上(下)近似的λ-截集分解算法。

直觉模糊知识粒的分解与合成研究

针对近似空间笛卡尔积粗糙集模型及其可分解性问题,采用直觉模糊三角模算子构成新的直觉模糊积近似空间,研究了基于直觉模糊知识粒下积粗糙集模型的分解及合成问题。首先,运用直觉模糊三角模运算构造出新的直觉模糊关系,验证了其符合等价关系的条件,并给出新的等价关系的算法原理;其次,构建了直觉模糊积粗糙集模型,对其模型结构及数学特性进行了研究,并给出了积粗糙集的生成算法原理;最后,逆向研究直觉模糊知识粒的分解问题,证明了针对模糊知识粒度分解而提出的猜想。文章旨在对直觉模糊积粗糙集模型的分解与合成机制进行理论探索,为粗糙集理论的进一步扩展研究提供新的思路。