粗糙集理论是一个可以通过提供概念下限和上限的近似来处理不一致数据的著名数学框架。本研究关注于模糊量词型模糊粗集的领域，并发现了广义 FQFRS 模型的粒状表示，强调了这些模型在解决数据不一致性和管理噪音方面的潜力。

Dec, 2023

本文介绍了空间颗粒、粗细关系、Meet、Join、商 Meet 和商 Join 等基本概念，并探讨了条件性粗糙集的度量和熵。

Sep, 2023

本文从理论上对有理逼近、粒度等级粗糙集与变精度粗糙集的关系进行研究，提出了一个有理逼近的框架，并给出了若干应用实例。

May, 2022

本文基于交叉和分组函数，首次给出了 $(O,G)$- 粒度变量精度模糊粗糙集的描述，提出了一种利用模糊蕴含和联合的上下逼近算子表达式，并从构建方法的角度，用不同的模糊关系表示粒度变量精度模糊粗糙集。最后，在一些额外条件下，将粒度变量精度模糊粗糙集的结论扩展到 $(O,G)$- 粒度变量精度模糊粗糙集。

May, 2022

该论文介绍了粒计算中的模糊集可以通过粒状表示集合来逼近，提出了不相交和相邻的粒子的定义，并研究了新定义对粒状逼近的影响，针对二元分类问题，利用新概念分离决策区域但尽可能覆盖属性空间；对于多类分类问题，定义了多类粒状逼近，并演示了如何高效计算 Łukasiewicz 模糊联结的多类粒状逼近。

Feb, 2022

本文提出了基于粒球计算的粒球粗糙集模型，该模型可以同时处理 Pawlak 粗糙集和邻域粗糙集所能处理的数据类型，并且可以使用等价类表示知识；此外，本文还提出了粒球粗糙集的实现算法，并在基准数据集上验证了其在学习精度和特征选择方面的优越性。

Jan, 2022

在广义粗糙集中，将两个事物结合形成另一个事物并不简单。本研究创造了结合事物的代数模型，用于研究人类推理中的怀疑主义或悲观主义聚合以及可能性聚合，并且选择的运算受到了视角的限制。该模型还适用于研究人类推理中的歧视性 / 有害行为以及学习此类行为的机器学习算法。

Aug, 2023

本文提出了一种基于粗集理论的规则一般性诱导方法（Rule General Abductive Learning by Rough Set，RS-ABL），用于解决信息系统中知识处理中的知识获取、纠错、减少、生成和协同处理等问题，并在解决半监督任务时具有更高的准确性。

May, 2023

本研究引入了新的概念和算法来处理在粗糙推理，可解释的人工智能和机器学习中的意义不明确和动态的情境。通过引入基于代数的机器学习算法，本研究证明了这些概念的有效性。

Mar, 2023

本文提出四种基于模糊覆盖重叠函数和蕴含逻辑的模糊邻域算子，并探讨了有限模糊覆盖下一些邻域算子之间的关系。同时，还基于不同的模糊逻辑算子提出了两种基于邻域算子的粗糙集模型，并提出了一种新的模糊 TOPSIS 方法来解决生物合成纳米材料的选择问题。

May, 2022