二重粗积分与系统识别

以函数单向S 粗集对偶的上、下近似生成的函数为基础,提出了粗区域的定义,二重粗积分的定义及其动态特征,通过动态特征给出了扩张度和扩张率的概念,并且通过计算扩张度和扩张率来度量系统受干扰的程度。     

二重粗积分与系统识别

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.指出其动态特征,并通过动态特征给出了萎缩度和萎缩率的概念,利用二重积分的萎缩度和萎缩率度量了系统受干扰的程度及效果.     

P-粗积分的粗变化率及其特性

P-粗积分是由函数双向S-粗集生成的一个积分对,当有属性迁出同时又有属性迁入系统时,P-粗积分发生变化,就具有了一系列动态特性。在P-粗积分动态特性的基础上定义了粗变化度与粗变化率,并研究了其特性。而且粗变化率将迁出与迁入的属性（或P=FUP）对系统产生的作用进行了量化。为有目的地调整系统提供了理论依据。     

粗积分的粗变化率及其特性

P 粗积分是由函数双向S 粗集生成的一个积分对,当有属性迁出同时又有属性迁入系统时, P 粗积分发生变化,就具有了一系列动态特性。在P 粗积分动态特性的基础上定义了粗变化度与粗变化率,并研究了其特性。而且粗变化率将迁出与迁入的属性(或P=F∪)对系统产生的作用进行了量化。为有目的地调整系统提供了理论依据。     

CS(K)上的S-粗集特征

对CS(K)（概念格）上的概念结点进行等价类划分，分析了概念格的粗集特征和S-粗集特征，给出了概念格上粗集和S-粗集的定义及其相应定理，找出概念格与粗集、S-粗集之间的关系，并通过实例说明了CS(K)上的S-粗集特征.     

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。     

静态粗相似度的特征

在公理化相似度的基础上给出了粗相似度的定义，对粗相似度的性质进行分析并由此得出了一系列的结果.根据粗相似度的性质和最大粗相似度原理给出了一个在粗系统中对一个新样本的识别方法.     

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。     

函数S-粗集的区间分解

-基于函数S-粗集区间属性，定义了区间等价类和区间函数S-粗集，并给出了闭区间等价类有限覆盖定理及闭区间函数S-粗集的有限覆盖定理，从理论上证明了函数S-粗集与S-粗集之间的关系．     

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。     

粗糙度不等式

针对文献[2]中提出的粗糙度不等式及其使等号成立的充分条件,给出了使等号成立且更一般的充分条件,并以两种不同的形式给出,证明两者彼此等价,最后,给出一个新的粗糙度定义,并证明在这种定义下,下近似具有与上近似一样的不等式及其充分条件     

模糊近似空间中模糊粗糙集的新定义

研究了模糊近似空间上的模糊粗糙集．给出了模糊粗糙集的又一定义．讨论了该定义下模糊粗糙集所满足的性质，从理论上说明了该定义的合理性，同时还论证了该定义下模糊粗糙集的近似精度．     

变精度粗糙集下基于信息熵的属性约简算法

本文针对在Z．Pawlak粗糙集下进行属性约简中存在的问题,在对变精度粗糙集理论下卢下近似约简概念分析的基础上,引入了信息熵,建立了变精度粗糙集意义下的决策表中属性重要性的度量方式,区分了β阈值界定下的“弱不一致信息”与“强不一致信息”的不确定程度,从而刻画了标准粗糙集下正域之外的不一致信息的不确定程度,以该度量作为启发式信息,提出了基于信息熵的β下近似约简的启发式算法．这为不一致信息系统的属性约简提供了理论依据与算法．     

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.