粗糙集，模糊集

通过在软件体系结构层次实施软件重构，能够改善软件的质量、提高软件的易演化性。提出了基于演化信息实施软件体系结构重构的策略，通过分析体系结构的演化历史，采用概念格的方法分析其中构件间的演化依赖关系，从而

粗糙集和模糊集理论已经被用于各种类型的不确定性建模中。Dubois和Prade研究了将模糊集和粗糙集结合的问题。提出了粗糙support-intuitionistic模糊集。介绍了粗糙集、粗糙直觉模糊

 多粒度模糊粗糙集是经典多粒度粗糙集模型在模糊环境下的有益扩展,然而,已有的多粒度模糊粗糙集并未考虑考虑数据的测试代价,为解决这一问题,本文提出了基于测试代价敏感的多粒度模糊粗糙集模

在经典的覆盖近似空间中，定义了区间直觉模糊概念的粗糙近似。通过区间直觉模糊覆盖概念，给出了一种基于区间直觉模糊覆盖的区间直觉模糊粗糙集模型。讨论了两种模型的一些相关性质。

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

拟阵是一种图和矩阵的同时推广的概念,而覆盖粗糙集是经典粗糙集的推广。利用拟阵理论研究覆盖模糊粗糙集,从而将两者进行了融合,提出了拟阵覆盖模糊粗糙集的概念,定义了拟阵覆盖近似空间的上下近似。分析了拟阵覆

介绍了模糊集的基本理论和概念，有相应的例子，利于大家的理解

基于模糊集的图像增强主要包括三个步骤：图像模糊特征提取、隶属函数值的修正和模糊域的逆变换

研究基于质心的二型模糊集的模糊熵和加权模糊熵, 构造了两个二型模糊集的模糊熵度量. 针对二型模糊 集的特殊情形, 提出一种新的区间值模糊集的模糊熵度量, 既弥补了现有区间值模糊集退化为普通模糊集时熵为

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具，在人工智能及数据挖掘等众多领域已经得到了 广泛的应用。对于不完备信息系统目前也有多种扩充方法，如基于容差关系的扩充、基于相似关系的扩充等等。该文是