((F),F)-数据离散矩形区域在数据辨识中的应用

应用新数学模型P-集合,提出数据传输中三种异常数据的概念:(F)-异常数据、F-异常数据与((F),F)-异常数据;提出((F),F)-数据离散矩形区域概念;给出丢失-侵入数据发现定理、系统输出数据分离定理、系统输出数据类型辨识定理、((F),F)-异常数据在((F),F)-数据离散矩形区域的定位定理;给出((F),F)-数据离散矩形区域在系统输出数据类型辨识中的应用.丢失-侵入数据发现定理与系统输出数据分离定理是系统输出数据类型辨识的基础,((F),F)-数据离散矩形区域的提出,为系统数据的几何辨识和系统出现异常数据的预警提供了一种新的理论与方法.     

(■,F)-数据离散矩形区域在数据辨识中的应用

应用新数学模型P-集合,提出数据传输中三种异常数据的概念:■-异常数据、F-异常数据与(■,F)-异常数据;提出(■,F)-数据离散矩形区域概念;给出丢失-侵入数据发现定理、系统输出数据分离定理、系统输出数据类型辨识定理、(■,F)-异常数据在(■,F)-数据离散矩形区域的定位定理;给出(■,F)-数据离散矩形区域在系统输出数据类型辨识中的应用。丢失-侵入数据发现定理与系统输出数据分离定理是系统输出数据类型辨识的基础,(■,F)-数据离散矩形区域的提出,为系统数据的几何辨识和系统出现异常数据的预警提供了一种新的理论与方法。     

P-集合与（-↑F,F）-数据生成-辨识

P-集合（packet sets）是一个集合对,它由内P-集合（internal packet sets）与外P-集合（outer packet sets）共同构成,P-集合具有动态特性。利用P-集合,给出数据集合,-↑F-数据集合,F-数据集合与（-↑F,F）-数据集合概念;提出-↑F-数据集定理,F-数据集定理,（-↑F,F）-数据带定理,数据集合恢复定理,（-↑F,F）-数据辨识定理,给出辨识准则。利用这些结果,给出（-↑F,F）-数据在信息系统中的应用。P-集合是研究动态信息系统的一个新理论与新方法。     

P-集合与系统状态的动态辨识

应用P-集合认识系统数据变化的理论特征,提出内-动态数据、外-动态数据、内-外动态数据的概念、动态数据离散矩形区域概念;给出动态数据关系和动态数据系数定理、动态数据离散矩形区域内点定理、给出内-动态数据分离-发现定理、外-动态数据分离-发现定理,最后给出系统状态的动态辨识应用.     

P-集合与(,F)-数据生成-辨识

P-集合(packet sets)是一个集合对, 它由内P-集合(internal packet sets)与外P-集合(outer packet sets)共同构成, P-集合具有动态特性。利用P-集合,给出数据集合, 数据集合,F-数据集合与(,F)-数据集合概念;提出-数据集定理, F-数据集定理, (,F)-数据带定理,数据集合恢复定理, (,F)-数据辨识定理,给出辨识准则。 利用这些结果, 给出(,F)-数据在信息系统中的应用。P-集合是研究动态信息系统的一个新理论与新方法。     

F-残缺数据的辨识与恢复

利用P-集合结构中的内P-集合与F-元素删除集合,给出声．残缺数据的概念,它是由（x）F与（x）-构成的一个数据对（（x）F,（x）-）。由F-残缺数据,给出F-残缺数据的生成与豇残缺度。利用这些结果,给出F-残缺数据的关系定理,F-残缺度定理,F-残缺数据的辨识定理,F-残缺数据的恢复定理,并给出F-残缺数据的应用。     

F-畸变数据的生成与修复

P-集合是研究动态信息系统的一个新数学工具,应用P-集合的外P-集合与补充集合的关系,提出了F-畸变数据与-冗余数据的概念;给出F-畸变数据的生成定理和修复定理,包括F-畸变数据的辨识定理.最后给出F-畸变数据的修复准则与修复实例,其结果为研究动态信息系统的数据扩张提供了1种新方法.     

半P集合（XF,X）与F-导航数据的路径匹配

在海上台风预警搜救系统中,存在数据丢失现象,为了能够正确地、实时地显示船舶在电子海图上的当前位置,应用半P-集合,提出F-导航数据与F-匹配度概念,给出辨识F-导航数据的定理、F-导航数据的恢复定理、导航数据的稳态匹配度定理、导航数据在电子海图路径上的匹配准则,最后给出F-导航数据在电子海图上的路径匹配应用。     

-F-残缺数据的辨识与恢复

利用P-集合结构中的内P-集合与^-F-元素删除集合,给出^-F-残缺数据的概念,它是由(x)^-F与(x)^-构成的一个数据对((x)^-F-,(x)-)。由F-残缺数据,给出^-F-残缺数据的生成与^-F-残缺度。利用这些结果,给出^-F-残缺数据的关系定理,^-F-残缺度定理,^-F-残缺数据的辨识定理,^-F-残缺数据的恢复定理,给出^-F-残缺数据的应用。     

P-集合与信息真度及应用

在P-集合的基础上,给出特征数据、((F),F)-特征数据集合的概念,提出特征数据迭代发现和消除定理、信息真度定理、信息真度距离定理和数据前后域恢复定理,给出数据的信息真度辨识准则,最后给出这些概念与定理在信息安全中的应用方法.     

S-粗集与它的(F)-记忆

利用F-记忆S-粗集与它的F-记忆特性,F-记忆S-粗集与它的F-记忆特性,给出（f,f）-知识,F-乒记忆S-粗集的概念,利用这些概念,提出F-记忆的F-记忆显性定理,F-记忆的F-记忆显性定理,乒记忆的不变性定理,F-记忆可分辨定理,系统状态稳定的记忆识别准则,并给出应用实例．指出了（f,f）-记忆知识与系统状态稳定识别之间存在着必然的联系．     

半P集合(X~■,X)与■-导航数据的路径匹配

在海上台风预警搜救系统中,存在数据丢失现象,为了能够正确地、实时地显示船舶在电子海图上的当前位置,应用半P-集合,提出■-导航数据与■-匹配度概念,给出辨识■-导航数据的定理、■-导航数据的恢复定理、导航数据的稳态匹配度定理、导航数据在电子海图路径上的匹配准则,最后给出■-导航数据在电子海图上的路径匹配应用。     

(F,F-)-规律推理与规律挖掘

给出了(F,F-)-规律推理以及(F，F-)-规律推理的规律挖掘概念,提出了(F，F-)-规律推理的规律挖掘定理与(F，F-)-规律推理的规律挖掘原理.     

(F)-知识与它的还原

利用单向S-粗集对偶, 给出(F)-知识与知识的F-还原概念,提出(F)-知识的F-还原定理与F-还原的属性补充冗余原理;单向S-粗集对偶是S-粗集的基本形式之一.     

内P-集合与F-优化数据-筛选

应用内P-集合的内-动态特性及其结构,提出了F-优化数据概念,讨论F-优化数据的生成与筛选,获得F-优化数据-筛选定理及F-优化数据的生成-筛选算法,并给出F-优化数据-筛选的应用.研究结果为动态信息系统的数据优化提供了一种新方法.     

数据分离与属性状态特征

给出数据分离与它的属性状态特征生成的基本理论。利用逆P-集合的结构与动态特征,给出数据外分离,数据内分离与数据外-内分离概念,给出数据分离特征,给出数据分离生成的属性状态特征。给出数据补充定理,数据删除定理与数据补充-删除定理。给出数据外分离的属性基数定理,数据内分离的属性基数定理与数据外-内分离的属性基数定理。论文给出的理论结果是数据分离生成的特征。     

内-外数据圆与动态数据-恢复

P-集合(packet sets)是由内P-集合XF-(internal packet setXF-)与外P-集合XF(outer packet setsXF)构成的集合对;P-集合具有动态特性。利用P-集合,给出内-数据圆,外-数据圆的概念,利用这些概念,给出动态数据恢复定理,动态数据恢复准则与数据恢复-辨识定理,给出应用。P-集合是动态数据分析-辨识研究的一个新工具。     

S-粗集与它的-记忆

利用F-记忆S-粗集与它的(F)-记忆特性,(F)-记忆S-粗集与它的(F)-记忆特性,给出(f,(-f))-知识,(F)-记忆S-粗集的概念,利用这些概念,提出.(F)-记忆的F-记忆显性定理,(F)-记忆的F-记忆显性定理,(F)-记忆的不变性定理,(F)-记忆可分辨定理,系统状态稳定的记忆识别准则,并给出应用实例.指出了(f,(-f))-记忆知识与系统状态稳定识别之间存在着必然的联系.     

F-二重粗积分与边界厚度

F--二重粗积分是由函数双向S-粗集生成的积分对,它是F -二重粗积分和F^--二重粗积分的推广。给出F-二重粗积分边界厚度的概念,讨论了边界厚度的动态变化规律,得到边界厚度最值定理。利用边界厚度可以对F-二重粗积分进行辨识,给出F-二重粗积分辨识定理和两个辨识原则。     

Packet sets and -F - drift law recovery

P-集合是研究动态信息系统与动态信息规律的一个新理论与新方法.利用p-集合,给出F-漂移规律生成概念,提出F-漂移规律辨识定理;给出F-漂移规律恢复概念,提出F-漂移规律恢复定理.利用这些结果,给出F-漂移规律恢复的应用与实证.