F-规律挖掘

函数单向S-粗集对偶（dual function one direction singular rough sets）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。利用函数单向S-粗集对偶的规律特征,给出F-规律挖掘的概念,提出F-规律挖掘定理。F-规律挖掘是寻找经济发展中未知规律的一个新的研究方向。     

函数单向S-粗集对偶与F--预测规律发现

函数S-粗集理论是粗集理论的拓展,函数单向S-粗集对偶是函数S-粗集的三类形式之一. 函数S-粗集具有规律特性、动态特性、遗传特性、记忆特性与预测特性. 利用函数单向S-粗集对偶的动态特征, 给出-预测规律、F-预测规律和预测度概念, 提出预测规律的预测定理, 并在通信传输识别系统中给出应用. 函数S-粗集(函数单向S-粗集、函数单向S-粗集对偶、函数双向S-粗集)与信息系统融合、交叉是粗集理论中的一个新的研究方向.     

F-粗规律与它的属性控制

函数单向S-粗集(Function one direction singular rough sets)是用具有动态特性的R-函数等价类［u］定义的, 函数单向S-粗集具有规律(函数)特征。 利用函数单向S-粗集, 给出F-粗规律(w-(x)F,w-(x)F)的结构, 粗规律(w-(x),w-(x))的属性特征, 属性距离, 状态系数概念, 利用这些概念, 提出F-粗规律与它的属性控制, 给出属性控制准则, 属性控制定理与应用。F-粗规律与它的属性控制是函数S-粗集(Function singular rough sets)中的一个新的应用研究方向。     

单向S-对偶粗决策规律与决策规律挖掘

利用单向S-粗集对偶,给出单向S-对偶粗决策规律生成方法;给出上决策规律,下决策规律,单向S-对偶粗决策规律核,单向S-对偶粗决策规律带的概念. 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,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.     

(-F)-粗积分的面积覆盖度-边界厚度特征

函数单向S-粗集对偶生成的(F)-粗积分是一个积分对.基于(F)-粗积分引入面积覆盖度和边界厚度概念,讨论了(F)-粗积分面积覆盖度和边界厚度的特征与最值,并给出其动态变化规律.这两个概念把对(F)-粗积分的讨论由定性过渡到定量.     

(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.     

基于单向S-粗集的数据分层挖掘

S-粗集(singular rough sets)是对Pawlak Z粗集的改进,单向S-粗集(One direction singular rough sets)是S-粗集的基本形式之一.利用单向S-粗集,本文给出数据属性,数据分层挖掘概念,数据分层挖掘序定理,合成数据分层挖掘定理,及数据分层挖掘准则,利用这些结果,给出应用.说明单向S-粗集是动态数据分层挖掘研究的一个新工具.     

函数单向S-粗集对偶的信度特征

利用函数单向S-粗集对偶的结构,给出函数迁移的信度特征,函数集Q'的下近似信度特征,函数集Q'的上近似信度特征,利用这些结果,给出函数单向S-粗集对偶的信度特征,提出函数单向S-粗集对偶的随机结构与随机定理.函数单向S-粗集对偶的结构是函数单向S-粗集对偶的随机结构的特例,函数单向S-粗集对偶的随机结构是函数单向S-粗集对偶结构的一般形式.     

函数S-粗集与规律积分度量

利用函数单向S-粗集和函数单向S-粗集对偶,给出f-规律知识,规律知识,f-规律和规律的概念,利用这些概念,给出规律知识生成的规律之间的关系和积分度量.     

系统的-fp-状态与它的动态识别

函数单向S-粗集对偶是函数S-粗集（function singular rough sets）的基本形式之一．函数单向S-粗集对偶是研究系统规律入侵预测的一个重要的理论与方法．利用函数单向S-粗集楚偶（Dual of function one direction singular rough sets）,本文给出^-fp-状态,状态距离的概念,系统状态被^-fp-规律随机入侵的概念．进而给出系统状态被^-fp-规律入侵呈婴的状态特征及对这些状态特征的识别准则和应用.