内P-集合与F-内嵌入信息发现-辨识

P-集合是由内P-集合X^F 与外P-集合X^F 构成的有序集合对,它具有动态特性。利用内P-集合X^F,给出F-内嵌入信息(x)^F、F-内嵌入系数IEC(x)^F 与F-内嵌入度IED(x)^F的概念,得到F-内嵌入信息存在性定理、依赖关系定理与可辨识性定理。在这些概念与结果的基础上,给出F-内嵌入信息在目标搜索中的应用。     

外P-集合与F-信息伪装

P-集合（packet sets）是一个集合对,它是由内P-集合（internal packet sets）与外P-集合（outer packet sets ）共同构成。P-集合具有动态性,利用外P-集合,给出F-信息伪装与F-信息伪装生成概念;提出F-信息伪装度量定理与信息伪装被恢复〖CD*2〗还原定理;给出辨识准则与方法。利用这些结果,给出F-信息伪装被恢复还原的应用。P-集合是研究动态信息系统的一个新理论和新方法。     

外P-集合与数据内-恢复

外P-集合(outer packet sets)是P-集合(packet sets)的一个部分,它是P-集合的一个概念;利用外P-集合,提出F-数据与F-数据内-恢复概念;给出F-数据内-恢复定理及内-恢复的属性删除无效原理,利用这些结果给出应用。     

数据离散区间特征与数据发现-应用

P-集合(packet-sets)具有动态特性,它是由内P-集合 X^F- (internal packet set X^F- )与外P-集合 X^F(outer packet set X^F )构成的集合对 ( X^F-, X^F )。利用P-集合,给出F- -数据离散区间、F-数据离散区间的概念;利用这些概念,给出信息系统输出数据的数据离散区间特征,给出数据过滤概念;提出数据离散区间定理、数据还原定理、数据过滤定理、数据过滤剩余与数据辨识定理,给出应用。P-集合是研究信息系统输出数据变化的一个新理论与新方法。     

混合记忆信息与记忆信息筛选

P集合（packet sets）是把动态特性引入到有限普通集合X中,改进有限普通集合X而提出的;P集合具有动态特性。信息系统存在丢失信息元与增加信息元的现象,把生物的记忆特征引入到这两个现象中,利用P集合,给出F-记忆信息,F-记忆信息与混合记忆信息的概念与特征,给出记忆度量概念与记忆信息的筛选定理。此外,提出记忆信息的依赖性定理及混合记忆不变性定理,给出记忆信息的应用。信息被记忆是P 集合具有的诸多应用特性之一。     

P-集合与动态信息的依赖-发现

P-集合是一个集合对,它是由内P-集合(internal packet set)与外P-集合(outer packet set)共同构成。P-集合具有动态特征,是通过改进普通集合得到的,或者用动态特性代替普通集合的静态特性,也可得到P-集合。利用P-集合的结构与动态特性,给出动态信息生成和动态度的概念,提出动态信息生成的依赖特性、动态信息依赖、信息依赖-发现定理和信息依赖-发现准则等。最后,给出动态信息依赖-发现在信息状态识别中的应用。     

内P-信息伪装与真伪信息辨识

P-集(Packet sets)是把动态特征引入到有限普通集X中，改进有限普通集X而提出的。利用P-集的结构与动态特征，提出内P-信息伪装的概念，给出内P-信息伪装生成，内P-信息伪装结构；得到内P-信息伪装的圆环定理、真伪信息认证定理及内P-信息伪装的还原-辨识，给出真伪信息辨识的应用。     

P-集合与双P-数据恢复-辨识

利用P-集合（packet sets）,介绍内P-数据、外P-数据、 双P-数据概念;双P-数据由内P-数据与外P-数据共同构成;分析双P-数据动态特性。利用这些概念,描述双P-数据依赖与双P-数据依赖的同心圆定理,提出双P-数据恢复-辨识定理与双P-数据恢复-辨识准则,并给出应用。双P-数据恢复-辨识是信息系统中的一个新的研究领域,P-集合是这个研究领域中的一个新工具。     

F-规律推理与规律挖掘

对S-粗集给出改进,把函数这个分析工具引入到S-粗集中,提出函数S-粗集(function singularrough sets)。函数单向S-粗集(function one direction singular rough sets)是函数S-粗集的基本形式之一,它是以R-函数等价类[u]定义的;ui∈[u]是一个函数,函数是一个规律。函数单向S-粗集具有单向动态特性与规律特征:利用函数单向S-粗集的规律特征,给出F-规律推理与F-规律推理的规律挖掘概念,提出F-规律推理的规律挖掘定理,F-规律推理的规律挖掘原理与F-规律推理的规律挖掘应用。F-规律推理的规律挖掘是寻找系统中未知规律研究的一个新的研究方向。     

(F)-风险属性入侵与承灾规律识别

针对公共突发事件的动态性、不确定性和危害性,利用单向S-粗集对偶(dual ofone direction sin-gular rough sets)给出承灾类、承灾量、F-承灾损失、F-承灾度、F-承灾损失规律、F-承灾度规律的概念,利用这些概念提出了F-承灾损失与F-承灾度关系定理,F-承灾损失规律与F-承灾度规律关系定理,F-风险属性入侵规律分辨定理,F-承灾度规律识别准则与应用.单向S-粗集是应急管理理论与方法研究中的一个新的有效的数学工具.     

规律与它的f-属性控制

函数单向S-粗集对偶(dual of function one direction singular rough set),具有单向动态特性和规律特性;它是函数S-粗集(function singular rough set)的基本形式之一。函数S-粗集是在改进S-粗集的基础上提出的。利用函数单向S-粗集对偶的动态特性和规律特性,给出f·-规律,f·-规律的属性特征,属性距离,f·-冗余规律概念。利用这些概念,提出规律与它的f·-属性控制,并给出f·-属性控制定理,f·-属性控制判定定理,f·-属性控制识别准则与应用。     

序值决策系统中基于描述子的可信规则获取

在序值决策系统中, 根据下近似并不能导出所有可信规则.为此提出了优势和弱势描述子概念,讨论了优势和弱势描述子的支持集与决策类之间的包含关系,用以导出序值决策系统中的所有可信规则.研究了两种新的描述子的约简以及这两种描述子关于决策类的相对约简问题,给出了相应的判定定理与区分函数,为从序值决策系统中获取最优可信决策规则提供了新的理论基础与操作手段.