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．     

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-干扰规律生成与它的特征识别

利用单向S-粗集概念给出了知识的f-干扰生成与f-干扰规律生成，单向S-粗集的F-干扰生成与F-干扰规律生成的概念.提出了F-干扰损失与F-干扰度关系定理，F-干扰损失规律与F-干扰度规律关系定理，F-干扰分辨定理，干扰规律分辨定理，给出了F-干扰规律识别准则与应用.     

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.     

F-干扰规律生成与特征识别

利用单向S-粗集对偶给出知识的f-干扰生成与f-干扰规律生成,单向S-粗集对偶的F-干扰生成与F-干扰规律生成的概念,基于这些概念提出了F-干扰盈余与F-干扰度关系定理、F-干扰盈余规律与F-干扰度规律关系定理、F-干扰分辨定理、F-干扰规律分辨定理,给出了F-干扰规律识别准则与应用。     

(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.     

F-知识与它的隐藏-依赖特征

S-粗集(singular rough sets) 存在三种形式: 单向S-粗集(one direction singular rough sets), 单向S-粗集对偶(dual of one direction singular rough sets)和双向S-粗集(two direction singular rough sets)。 S-粗集具有动态特性, 遗传特性, 记忆特性和隐藏特性。 利用S-粗集, 给出了f-隐藏知识, F-隐藏知识, 隐藏度和隐藏-依赖度的概念, 提出了关于隐藏知识的隐藏定理和隐藏-依赖定理, 并给出应用。     

函数S-粗集与投资风险F-规律发现

利用函数F-粗集概念给出了规律的f-遗传, f-遗传规律生成,函数单向S-粗集的F-遗传, F-遗传规律生成等概念.提出了F-遗传规律包络定理, F-传递规律分离定理.利用这些结果,给出函数单向S-粗集与投资风险F-规律的发现与应用.     

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.     

■-知识与它的还原

利用单向S-粗集对偶,给出■-知识与■知识的F-还原概念,提出■-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.     

函数S-粗集的随机刻画

利用函数S-粗集理论和函数迁移的随机性,提出函数迁移的信度及信度函数的概念;给出函数单项S-粗集与函数双向S-粗集的随机生成;讨论了随机生成的函数S-粗集的数学结构及信度特征.     

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.     

S-粗集的信度特征

利用S 粗集理论和元素迁移的随机性，提出元素迁移的信度及信度函数的概念；给出了单向S 粗集与双向S 粗集的依信度生成；讨论了S 粗集依信度生成的特性．     

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.     

S-粗等价类与知识动态挖掘-发现

在单向S-粗集(one direction singular rough sets)、单向S-粗集对偶(dual of one direction singular rough sets)基础上,给出S-粗等价类、S-粗等价类对偶与粗等价类的概念与结构;讨论了三种等价类之间的关系;得到S 粗等价类与S-粗等价类对偶的属性定理与动态分离定理;给出S 粗等价类在知识动态挖掘-发现中的应用。     

S-粗集上的知识特性

基于S-粗集的理论，给出了知识膨胀度与f^--知识萎缩度的概念；讨论了f-知识膨胀与f^-=知识萎缩的性质，提出了S-粗集上知识膨胀度-萎缩度等值定理,f-知识集知识膨胀定理;f^--知识集知识萎缩定理，给出f-知识f^--知识在决策识别中的应用．     

函数单向S-粗集与系统状态检测-识别

函数S-粗集具有动态特性, 规律特性; 函数S-粗集具有三种形式: 函数单向S-粗集, 函数双向S-粗集, 函数单向S-粗集对偶。将函数单向S-粗集的概念引入到系统状态检测-识别中, 提出系统状态偏离, 状态偏离距离的概念, 给出系统状态识别准则与应用。 利用函数单向S-粗集, 在离散的时间区间上对系统状态进行检测, 是系统状态识别与检测的一个新的研究方向。