S-粗集与它的知识遗传挖掘

利用S 粗集中的遗传知识及其遗传系数的概念，给出了知识的变异系数的概念；提出了变异系数属性依赖定理、遗传-变异关系定理；并给出了知识的遗传挖掘及其算法.     

S-粗集与它的-F干扰依赖还原

利用单向S-粗集对偶（dual of one direction singular rough sets）给出了知识的f^-干扰生成与还原,单向S-粗集对偶的F^-干扰生成与还原的概念,在这些概念的基础上提出了F^-干扰定理,F^-干扰盈余定理,F^-干扰分辨定理,干扰依赖还原定理,干扰依赖还原原理,给出F^-干扰的应用.     

知识依赖与知识依赖特性

给出S-粗集(Singular rough sets)中的知识，f^--知识和它们的属性集结构；利用这些概念，给出知识的f-依赖关系与知识的f^--依赖关系，提出知识依赖性定理和知识的依赖属性补充-删除原理．     

S-粗集与它的■干扰依赖还原

利用单向S-粗集对偶(dual of one direction singular rough sets)给出了知识的f-干扰生成与还原,单向S-粗集对偶的F-干扰生成与还原的概念,在这些概念的基础上提出了F-干扰定理,F-干扰盈余定理,F-干扰分辨定理,干扰依赖还原定理,干扰依赖还原原理,给出F-干扰的应用.     

基于S-粗集的粗数据规律识别

利用S-粗集,给出粗数据的概念,粗数据具有动态特性;给出粗数据规律生成;提出粗数据规律生成定理,粗数据规律还原定理;给出粗数据规律识别准则与可分辨定理;给出粗数据规律的应用。     

粗信息矩阵与它的特征

给出了信息矩阵的概念，利用这个概念，提出了粗信息矩阵，给出了粗信息矩阵的特征，得到了一系列重要的定理.     

粗模糊集的嵌入集的性质

为了进一步揭示粗集和模糊集的内在联系,在粗集和模糊集的基础上,讨论了粗模糊集的嵌入集的性质;利用模糊集的截集,讨论了粗模糊集的嵌入集的截集性质;给出了粗模糊集的嵌入集的性质定理及其截集的性质定理。     

函数S-粗集

利用S-粗集(singular rough sets)，提出了函数S-粗集，给出了函数S-粗集的数学结构和特性．函数S-粗集具有两类形式：函数单向S-粗集，函数双向S-粗集．提出了函数S-粗集与S-粗集的关系定理．函数S-粗集是S-粗集的一般形式，S-粗集是函数S-粗集的特例．函数S-粗集是粗集研究的一个新方向．     

函数S-粗集与它生成的F-遗传规律

利用函数S-粗集,给出系统粗规律的F-生成, F-遗传概念,给出了系统粗规律的F-遗传特性;提出了系统粗规律的F-遗传特性定理,系统粗规律的F-遗传依赖于属性集α上的属性补充，并提出了系统粗规律的F-遗传的属性特征定理.利用这些讨论,给出了依赖于F-遗传的规律挖掘.     

系统S-粗状态规律的推理-预测

给出系统S-粗状态规律的概念,及其规律的生成; 利用干扰因素与系统属性之间的逻辑推理形式, 给出系统S-粗状态规律的动态推理形式, 提出S-粗状态规律的动态推理识别定理。基于以上结果, 给出S-粗状态规律预测模型, 并给出应用。     

Pawlak粗糙集的若干重要性质

为了更深入地了解任意论域(不仅仅是有限论域)上的粗糙集理论,首先从任意论域上的等价关系R出发,提出了R粗糙集和R精细集的定义,该定义与集合的上、下近似无关。在此基础上研究了R精细集的性质,提出并证明了任意论域上R精细集的判定定理和运算封闭性定理。然后,讨论了上、下R近似的性质,提出并证明了上、下R近似的表示定理、比较定理和拓扑结构定理。最后研究了知识库的相关性,给出了正域表示定理和知识库相关性判定定理。这些结果在一定程度上丰富了Pawlak粗糙集理论。     

基于加权综合的样本分类算法

首先分析了粗糙集理论中现有属性依赖性定义的不合理性，然后给出一种新的属性依赖性度量．根据这种依赖性度量，给出属性重要性的定义，再以这种属性重要性为权重，给出一种基于加权综合的样本分类算法。由于属性的重要性是由条件属性相对于决策属性的依赖性决定的，它的数值相对比较客观，这样解决了常用的定权方法的弱点，它们一般是凭经验或由专家给出，具有相当的主观性。     

粗糙依赖约简技术在网络课程评价中的研究

介绍了粗糙集的概念和约简的相关定义,提出了基于粗糙依赖的属性约简算法.通过差别矩阵求核,并计算非核属性粗糙依赖值,从而确定相对属性约简.以远程教学网络课程等级评价为例进行算法验证,并通过基于值核的值约简算法提取决策规则,实践证明得到了满意的结果.     

粗积分的动态特征

基于函数S 粗集和F 粗积分,本文研究粗积分的动态特征,定义粗积分链和粗积分环的概念,给出上积分链,下积分链定理,粗积分链定理,以及积分链的存在性定理,讨论了积分链的可闭条件,得到积分环定理,粗积分环定理。另外还对积分链与积分环的一些特征进行讨论,给出中值定理在粗积分链中的应用结果。     

粗规律生成与它的分离

利用函数S-粗集(function singular rough sets), 给出粗规律生成, 粗规律生成定理; 利用这些结果, 提出粗规律分离与粗规律分离定理, 粗规律带复合生成定理与粗规律带原理; 给出粗规律分离在利润风险规律识别中的应用。     

基于蚁群算法的粗糙集知识约简

给出了一种新的粗糙集知识约简方法,即结合粗糙集理论的依赖度定义,先给出知识约简转化定理,然后运用一种改进型蚁群算法,采用局部和全局搜索相结合的方法,对知识表达系统进行约简.同时,在适值函数中引入罚函数,从而保证所求的约简在包含最少而非零个属性的基础上有较大的依赖度.通过Matlab计算实例可看出,本文算法对求解知识约简问题快速有效.     

粗规律与它的单向安全

利用函数单向S-粗集(function one direction singular rough sets),给出粗规律的概念,粗规律是被w(x)-,w(x)-构成的规律对{w(x)-,w(x)-};因为函数单向S-粗集的属性集{α-,α-}发生变化,粗规律{w(x)-,w(x)-}也发生变化.利用椭圆曲线,给出粗规律锁住概念,提出粗规律锁住定理,并给出应用.     

模糊粗糙集的分解定理及表现定理

讨论了模糊粗糙集（FR集）的构造性质,给出其分解定理及表现定理。     

P-粗积分与函数双向S-粗集的粗糙度

在函数双向S-粗集生成的P-粗积分的基础上提出了函数双向S-粗集的精度与粗糙度的概念,讨论了函数双向S-粗集的精度与粗糙度的一系列特性,并得到函数双向S-粗集的可分辨准则与函数双向S-粗集的筛选 剩余定理。     

函数S-粗集与F隐形图像生成-辨识

利用函数S 粗集, 给出图像生成, 提出 隐形图像的概念、构成结构、 隐形图像的属性特征和分离定理与还原定理, 给出 隐形图像在图像信息系统中的应用。