函数S-粗集与系统状态■-识别

利用函数单向S-粗集对偶,给出系统状态规律生成概念;提出系统状态识别第一定理与第二定理,给出系统状态识别准则.利用这些结果,给出函数S-粗集在系统状态-F-识别中的应用.     

函数S-粗集与系统状态F-识别

利用函数单向S-粗集对偶, 给出系统状态规律生成概念;提出系统状态识别第一定理与第二定理, 给出系统状态识别准则. 利用这些结果,给出函数S-粗集在系统状态-识别中的应用.     

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.     

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_p-规律与F_p-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,结合元素迁移的随机特征,给出了Fp-规律的概念及Fp-规律的随机结构,提出了的Fp-规律的积分度量,讨论了Fp-规律积分度量依概率变化的特性.并举例说明Fp-规律积分度量在系统状态识别中的应用.     

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。     

粗区域生成与二重粗积分

以函数单向S-粗集的上、下近似生成的函数为基础,提出了粗区域的概念,进而提出基于函数单向S-粗集的二重粗积分的概念,研究其性质得出了二重粗积分是普通二重积分、一元粗积分的推广。而且由于它具有双向动态特性,为研究能量输出状态变化等实际问题提供了一个有效的工具。     

函数单向SPF-粗集与它的概率特征

基于函数S-粗集,结合函数迁移的随机性,提出了函数单向S_PF-粗集概念,并给出它的数学结构。研究了函数单向S_PF-粗集概率特性。证明了在概率的意义下,函数单向S_PF-粗集是函数S-粗集,函数单向S-粗集的推广；函数S-粗集,函数单向S-粗集是函数单向S_PF-粗集的特例。     

多元函数单向S-粗集

给出了二元函数单向S-粗集的数学结构和特性.提出了二元函效单向S-粗集与一元函数单向S-粗集、单向S-粗集的关系定理,二元函数单向S-粗集与二元函数粗集的关系定理.最后以实例说明二元函数单向S-粗集的存在.     

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．     

函数单向S-粗集生成的F-模型

利用函数单向S-粗集, 给出R-函数等价类［u(x)］的f-模型与f-t阶单向动态模型的生成及有关概念, 给出F-模型与F-单向动态模型生成及有关概念, 提出F-单向动态模型序关系定理及动态分离定理, F-模型的动态特征依赖于属性集α上的属性补充。利用这些讨论, 给出F-模型生成原理及应用。     

函数单向S-粗集生成的F-粗积分

函数单向S-粗集中的上近似与下近似均可看作是一个R-函数等价类,他们生成的函数如果在一闭区间上连续,则在该区间存在积分,这样就得到一个积分对,称这个积分对是函数单向S-粗集生成的F-粗积分。F-粗积分是普通积分的推广,而且它具有动态特性,也有一些良好的性质,为解决实际问题提供了一个方便有效的工具。     

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．     

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。     

单向粗关系及数据通讯安全

定义单向粗关系并刻画它的结构,该结构保留了S 粗集的基本特性,而且粗集的等价类也被一般关系剖分的子块所替代。作为应用实例,设计了一个形式算法,实现对数据通讯的数字签章和认证。     

单向变异S-粗集的概率特征

利用单向变异S-粗集的结构,给出元素迁移的概率特征:属性集α的下近似概率特征,属性集α的上近似概率特征,利用这些结果,给出单向变异S-粗集的概率特征,提出单向变异S-粗集的随机结构与随机定理.单向变异S-粗集的结构是单向变异S-粗集的随机结构的特例,单向变异S-粗集的随机结构是单向变异S-粗集结构的一般形式.     

S-粗集的状态转移与识别

提出状态矩阵和状态转移矩阵的概念,分别利用状态矩阵和状态转移矩阵描述属性集R对论域U的划分U/R的状态和U/R的状态转移.给出S-粗集的状态转移识别定理、S-粗集的状态转移识别原理,并给出了应用实例.