(F)-风险属性入侵与承灾规律识别

针对公共突发事件的动态性、不确定性和危害性,利用单向S-粗集对偶(dual ofone direction sin-gular rough sets)给出承灾类、承灾量、F-承灾损失、F-承灾度、F-承灾损失规律、F-承灾度规律的概念,利用这些概念提出了F-承灾损失与F-承灾度关系定理,F-承灾损失规律与F-承灾度规律关系定理,F-风险属性入侵规律分辨定理,F-承灾度规律识别准则与应用.单向S-粗集是应急管理理论与方法研究中的一个新的有效的数学工具.     

单向S-粗决策规律与决策规律挖掘

利用单向S-粗集,给出单向S-粗决策规律生成方法;给出上决策规律,下决策规律,单向S-粗决策规律核,单向S-粗决策规律带,单向S-粗决策规律壳的概念;利用这些概念,提出下决策规律传递定理,上决策规律传递定理,F-分离的属性定理,粗决策规律挖掘定理,与粗决策规律挖掘准则。     

规律与它的f-属性控制

函数单向S-粗集对偶(dual of function one direction singular rough set),具有单向动态特性和规律特性;它是函数S-粗集(function singular rough set)的基本形式之一。函数S-粗集是在改进S-粗集的基础上提出的。利用函数单向S-粗集对偶的动态特性和规律特性,给出f·-规律,f·-规律的属性特征,属性距离,f·-冗余规律概念。利用这些概念,提出规律与它的f·-属性控制,并给出f·-属性控制定理,f·-属性控制判定定理,f·-属性控制识别准则与应用。     

■-生成规律与系统规律识别

一个系统(控制系统、通讯系统)没有受到某个规律的干扰(或攻击),则系统处于稳定运动状态或者按预定的规律运动。未知规律进入到系统中,对系统进行干扰,使得系统的运动规律紊乱。利用函数单向S-粗集对偶(dual of function one direction singular rough sets),给出系统中■-生成规律的概念,给出■-生成规律的生成模型和对系统规律的识别。函数单向S-粗集对偶是识别系统中存在干扰规律,识别系统规律的一个新的理论与方法。     

F-规律推理与规律挖掘

对S-粗集给出改进,把函数这个分析工具引入到S-粗集中,提出函数S-粗集(function singularrough sets)。函数单向S-粗集(function one direction singular rough sets)是函数S-粗集的基本形式之一,它是以R-函数等价类[u]定义的;ui∈[u]是一个函数,函数是一个规律。函数单向S-粗集具有单向动态特性与规律特征:利用函数单向S-粗集的规律特征,给出F-规律推理与F-规律推理的规律挖掘概念,提出F-规律推理的规律挖掘定理,F-规律推理的规律挖掘原理与F-规律推理的规律挖掘应用。F-规律推理的规律挖掘是寻找系统中未知规律研究的一个新的研究方向。     

S-粗集与F-隐藏知识发现

S-粗集具有三类形式:单向S-粗集,双向S-粗集,单向S-粗集对偶。S-粗集具有动态特性,遗传特性,记忆特性。利用单向S-粗集对偶与它的隐藏特性,本文给出f-隐藏知识,F-隐藏知识,隐藏度,隐藏依赖的概念,提出隐藏知识的隐藏定理,隐藏知识的隐藏依赖定理,给出F-隐藏与F-隐藏依赖在系统状态识别中的应用。     

单向S-粗集对偶与数据筛选-过滤的扩展应用

S-粗集(singular rough sets)是对Z.Pawlak粗集的改进,单向S-粗集对偶(dual of one direction sin-gular rough sets)是S-粗集的基本形式之一。利用单向S-粗集对偶,给出数据属性,数据筛选-过滤概念,数据筛选-过滤序定理,合成数据筛选-过滤定理,及数据筛选-过滤准则。利用这些结果,给出应用。单向S-粗集对偶是动态数据筛选-过滤研究的一个新工具。     

函数S-粗集与粗规律挖掘-分离

研究了函数S-粗集的本质和特性,及其用于挖掘系统的潜在规律。利用函数S-粗集(单向函数S-粗集,双向函数S-粗集)的数学结构和特性,给出系统中粗规律模型的生成方法。给出了利用函数S-粗集进行系统中的粗规律挖掘与分离的讨论,和系统中粗规律分离的应用。例子证明,函数S-粗集是系统规律挖掘的一个有力工具。     

-生成规律与系统规律识别

一个系统(控制系统、通讯系统)没有受到某个规律的干扰(或攻击),则系统处于稳定运动状态或者按预定的规律运动.未知规律进入到系统中,对系统进行干扰,使得系统的运动规律紊乱.利用函数单向S-粗集对偶(dual of function one direction singular rough sets),给出系统中(-F)-生成规律的概念,给出(-F)-生成规律的生成模型和对系统规律的识别.函数单向S-粗集对偶是识别系统中存在干扰规律,识别系统规律的一个新的理论与方法.     

(-F)-生成规律与系统规律识别

一个系统(控制系统、通讯系统)没有受到某个规律的干扰(或攻击),则系统处于稳定运动状态或者按预定的规律运动.未知规律进入到系统中,对系统进行干扰,使得系统的运动规律紊乱.利用函数单向S-粗集对偶(dual of function one direction singular rough sets),给出系统中(-F)-生成规律的概念,给出(-F)-生成规律的生成模型和对系统规律的识别.函数单向S-粗集对偶是识别系统中存在干扰规律,识别系统规律的一个新的理论与方法.     

一种基于函数S-粗集的态势预测方法

针对态势评估中未来可能出现态势的优劣情况,提出了一种基于函数S-粗集的态势预测方法。利用函数S-粗集的粗规律挖掘功能,采用拉格朗日插值多项式,以函数单向S-粗集对偶为例,给出了应用该方法的具体步骤。最后通过态势评估中一个具体实例证明了该方法的有效性。得到了运用函数S-粗集能够找到隐藏在系统中的粗规律的结论。     

S-粗集与新材料发现-识别

S-粗集(singular rough sets)具有两类形式:单向S-粗集(one direction S-rough sets)和双向S-粗集(two direction S-rough sets)。S-粗集具有遗传特征、记忆特征。把S-粗集与材料科学进行学科渗透,互补共享,给出新金属材料的发现-识别的讨论,利用属性生成模型给出新金属材料的属性值分析,给出的结果与实际相符。S-粗集是粗集研究的一个新方向,是新材料发现-识别的一个新的数学工具。     

基于承灾体的灾害后果演化模型研究

不同类型的突发事件作用于不同的区域往往产生各不相同的灾害后果.为此,本文基于灾害后果演化过程的关键因素——承灾体,研究并构建了灾害后果演化模型.首先,通过对大量各类突发事件灾害后果的分析,将各类承灾体状态统一分为正常、受损和损毁三种状态,以承灾体状态为节点,承灾体状态之间的相互影响关系为边,构建了灾害后果演化模型;其次,综合考虑演化过程中致灾因子的危险性、承灾体的脆弱性及应急响应行动的作用效果,确定了承灾体状态的演化规则;最后通过算例仿真说明了本文方法的应用:第一组仿真分别研究了各类承灾体不同状态的演化过程;第二组仿真研究了五种不同的应急响应策略在不同的初始能力下的效果差异.     

基于灰色系统模型的城市承灾经济协调性分析

在经济承灾子系统中,基础经济要素对城市承灾能力起着重要的辅助作用.利用系统协同思想,将防灾减灾投入经费与GDP、保险密度与人均可支配收入两对"减灾投入-经济产出"关系作为承灾能力中经济要素协调度的构成,建立了经济承灾子系统综合协调度计算式.针对已有的协调度量化计算方法的不足,联合灰色系统理论中的GM(1,n)分析和灰色关联分析两种方法求得系统协调度,对大连市经济承灾子系统近十年的协调发展情况作以分析.计算得出的大连市的防灾减灾投入经费与GDP协调度和保险密度与人均可支配收入协调度值都不高,导致大连市经济承灾子系统综合协调度偏低的结果.应用灰色系统理论建立基于小样本数据的模型进行的协调性分析可以得到较为准确合理的结论.     

一种基于单向变异S-概率粗集的动态决策方法

针对因决策因素个数的减少而导致的决策精度降低的情况,提出了一种基于单向变异S-概率粗集的动态决策方法。利用单向变异S-概率粗集的属性动态迁移特性,结合知识库中的统计信息,讨论了单向变异S-概率粗集模型的属性概率性质。利用上述性质的讨论,给出了一个具体的军事动态决策实例,从而证明该方法可以有效地提高决策精度。     

基于灾害多级联动模型的城市综合承灾能力研究

基于城市遭遇的自然、环境、人文3大类灾害,提出了灾害多级联动概念。通过分析灾害多级联动的模式,构建了计算城市综合承灾能力的灾害多级联动线性模型,主要包括同类型灾害多级联动模型和不同类型灾害多级联动模型。其中,同类型灾害多级联动模型可分为自然灾害间的多级联动、环境灾害间的多级联动,以及人文灾害间的多级联动。不同类型灾害多级联动模型包括原生自然灾害与次生环境灾害、次生人文灾害的多级联动、原生环境灾害与次生人文灾害的多级联动、原生人文灾害与次生环境灾害的多级联动3种。在此基础上,选取北京、上海、广州、深圳4个城市为样本,根据建立的城市综合承灾能力评价指标体系,收集4所城市2008与2009年的数据,分别计算不同灾害联动模式下4所城市2年的综合承灾能力值,并进行比较分析。结果表明,在同类型灾害多级联动模型及不同类型灾害多级联动模型下,4个城市在2008及2009年的承灾能力评价结果排名情况为上海、北京、广州、深圳。     

基于知识元的情景生成中承灾体实体化约束模型

在非常规突发事件情景生成过程中,承灾体知识元的实体化遇到的最普遍的两类问题是:(1)如何确保生成数据的合理性?(2)缺失数据的补偿机制。针对这两类问题,本文在承灾体知识元结构的基础上,建立了承灾体实体化约束表示模型。该模型主要从承灾体的输入、状态和输出属性集合角度,对承灾体内部属性间以及承灾体之间存在的约束进行提取并存储,从根本上解决了数据不合理性以及缺失补偿问题,最后给出了模型的实例应用。     

基于S-粗集的图像阈值分割方法

介绍了S-粗集的概念, 结合其动态迁移特性给出了可以适应复杂背景和含噪环境的图像S-粗集表示模型, 使静态目标可以将"不好"特性像素点迁移出去. 利用粗糙熵平衡目标和背景粗糙度对边界的影响, 提出一种更具适应性的 图像阈值分割算法. 为了适应离散点的迁移, 同时避免粒度大小的选择, 结合包含度概念给出了图像变精度S-粗集表示模型, 利用精度参数来 控制调节获取最佳分割阈值, 实现目标提取. 仿真实验表明, 所提出算法具有更好的图像分割效果.     

函数S-粗集与图像识别

函数S-粗集是以函数等价类定义的,它具有规律特性,图像具有特征,特征存在着规律,将函数S-粗集的规律特性嫁接,应用到识别理论中。给出图像特征F-下近似规律,F-上近似规律的生成,及规律模型,给出图像特征规律F-识别对结构,并对图像F-识别给出特性分析。图像F-识别是一种新的识别方法,已经成为识别理论研究中的一个新的研究方向。     

基于粗糙集的信息粗传递

针对实际中两种信息传递情况,提出了两种信息粗传递概念—下近似和上近似信息粗传递。利用粗糙集理论对这两种信息粗传递进行了讨论,分析了粗传递信息保持不变、发生损失和发生增益的条件,得到了下近似和上近似粗传递信息不变定理,下近似粗传递信息损失定理,上近似粗传递信息增益定理,下近似和上近似信息粗传递原理以及提高信息粗传递精确性的方法。信息粗传递是粗糙集理论的一个新的应用。