P-集合与(,F)-数据生成-辨识

P-集合(packet sets)是一个集合对, 它由内P-集合(internal packet sets)与外P-集合(outer packet sets)共同构成, P-集合具有动态特性。利用P-集合,给出数据集合, 数据集合,F-数据集合与(,F)-数据集合概念;提出-数据集定理, F-数据集定理, (,F)-数据带定理,数据集合恢复定理, (,F)-数据辨识定理,给出辨识准则。 利用这些结果, 给出(,F)-数据在信息系统中的应用。P-集合是研究动态信息系统的一个新理论与新方法。     

P-集合与（-↑F,F）-数据生成-辨识

P-集合（packet sets）是一个集合对,它由内P-集合（internal packet sets）与外P-集合（outer packet sets）共同构成,P-集合具有动态特性。利用P-集合,给出数据集合,-↑F-数据集合,F-数据集合与（-↑F,F）-数据集合概念;提出-↑F-数据集定理,F-数据集定理,（-↑F,F）-数据带定理,数据集合恢复定理,（-↑F,F）-数据辨识定理,给出辨识准则。利用这些结果,给出（-↑F,F）-数据在信息系统中的应用。P-集合是研究动态信息系统的一个新理论与新方法。     

P-集合与隐形图像生成-还原

P-集合是把动态特性引入到有限普通集合中,改进普通集合得到的,P-集合(XF,XF)是一个集合对.利用P-集合生成的图像,提出P-隐形图像的概念,给出P-隐形图像的属性特征和度量特征,提出P-隐形图像生成-还原定理,并给出了P-隐形图像在图像信息系统中的应用.     

P-集合与信息图像外变换-还原

利用P-集合,给出信息图像生成,提出信息图像变换的概念、构成结构;给出信息图像变换定理;给出信息图像变换属性特征和度量特征,提出信息图像变换-还原定理,并给出了信息图像变换在图像信息系统中的应用。     

逆P-集合

利用P-集合(Packet sets),提出逆P-集合(Inverse packet sets),给出逆P-集合的结构;逆P-集合记作P-1-集合。P-1-集合是P-集合的对偶形式。P-1-集合是由内P-1-集合X珔F(Internal inverse packet set X珔F)与外P-1-集合X珔F珔(Outer inverse packet set X珔F珔)构成的集合对;或者(X珔F,X珔F珔)是P-1-集合;P-1-集合具有动态特征。给出P-1-集合的分离定理与P-1-集合的动态等价类特性,给出P-1-集合在动态信息系统中的应用。     

外P-隐性信息与它的生成-融合

P-集合（packet set）是由内P-集合X-F（internal packet set X-F ）与外P-集合XF（outer packet set XF）构成的集合对,或者（XF,XF）是P-集合。把生物学中“隐性”,“显性”概念与外P-信息交叉、嫁接,得到P-集合具有显性、隐性特征;对外P-集合的隐性特征进行研究,提出了外P-隐性信息、显性信息等概念,给出了外P-隐性信息特征与外P-推理生成定理,给出了外P-隐性信息的外P-推理搜索算法;最后给出外P-隐性信息在动态信息挖掘中的应用。     

外-遗传信息与它的外P-推理辨识

利用P-集合,给出外-遗传信息概念和属性特征;利用外P-推理,给出未知外-遗传信息的外P-推理辨识与外-遗传信息的外P-推理发现,最后得到外-遗传信息的外P-推理生成定理并给出应用。     

逆P-集合

利用P-集合（Packet sets）,提出逆P-集合（Inverse packet sets）,给出逆P-集合的结构;逆P-集合记作P-1-集合。P-1-集合是P-集合的对偶形式。P-1-集合是由内P-1-集合X珔F（Internal inverse packet set X珔F）与外P-1-集合X珔F珔（Outer inverse packet set X珔F珔）构成的集合对;或者（X珔F,X珔F珔）是P-1-集合;P-1-集合具有动态特征。给出P-1-集合的分离定理与P-1-集合的动态等价类特性,给出P-1-集合在动态信息系统中的应用。     

P-集合与内 P-信息的显性-隐性特征

P-集合（ packet sets）是把动态特性引入到有限普通集合X（ cantor set X）内,改进有限普通集合X被提出的。P-集合具有动态特性,P-集合是由内P-集合XF珔（internal packet set XF）与外P-集合XF（outer packet set XF）构成的元素集合对,或者（XF,XF）是P-集合。利用内P-集合结构与生物学中显性基因和隐性基因概念交叉,给出内P-信息的显性、隐性概念;给出内P-信息显性特征、隐性特征与度量,给出内P-信息的显性、隐性定理和由此生成的属性特征。显性-隐性是P-集合的重要特征之一。     

308外P-隐性信息与它的生成-融合

P-集合(packet set)是由内P-集合X-F(internal packet set X-F)与外P-集合XF(outer packet set XF)构成的集合对,或者(XF,XF)是P-集合.把生物学中"隐性","显性"概念与外P-信息交叉、嫁接,得到P-集合具有显性、隐性特征;对外P-集合的隐性特征进行研究,提出了外P-隐性信息、显性信息等概念,给出了外P-隐性信息特征与外P-推理生成定理,给出了外P-隐性信息的外P-推理搜索算法;最后给出外P-隐性信息在动态信息挖掘中的应用.     

P-集合与■-信息的动态分离特征

P-集合(packet sets)是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得到的。利用内P-集合,给出■-信息的动态分离概念,给出■-信息分离与依赖特征,给出■-信息的动态分离特征定理与应用。P-集合是动态信息系统研究中的一个新的理论与新方法。     

关于n元生成群的凯莱图(1)

关于n(n =2 ,3,4)元生成群的凯莱图的一般规律已被讨论 .但是 ,4元生成群凯莱图的具体实例在文献中尚未见到 .该文解决了这一问题 ,并给出了 2 4阶群的凯莱图 ,进而对 4元生成群的凯莱图进行了探讨 .     

光导开关产生的非线性电脉冲的数值解释

针对光导开关产生的非线性电脉冲的实验结果:线性脉冲—延迟—雪崩(不稳定)—锁定(基本稳定),结合物理原理,应用二维器件模拟器MED IC I,对光导开关的数值模拟结果进行了分析讨论;同时,提出了一个自洽的物理机制.结果表明:理论模拟结果与实验结果相比较基本符合,提出的非线性光导开关的物理机制基本上可以解释光导开关在非线性模式下的各种特征,为进一步解决怎样能使输出的电脉冲更稳定提供了一定的理论依据.     

原子生成的BCK-代数

本文讨论了由原子(即非零极小元)生成的BCK—代数。证明了原子生成的BCK—代数的非零同态象及非零理想都是原子生成的。其次,引入了原子高的概念,进一步得到了一些关于具有基的BCK—代数的性质。特别地,我们有:具有基的有界BCK—代数是有限的,并且理想的阶整除它的阶。最后,我们还给出了具有基的BCK—代数自同构的一些性质。     

导线生成的可展曲面

讨论了沿着一条曲线的某些直线族构成可展曲面的条件.主要结果是：(1)以Γ：r=r(s)为导线,以α(s)cos　θ(s)+γ(s)sin θ(s)为母线方向的直纹面可展当且仅当tan θ(s)＝k(s)/τ(s),其中α,γ分别是Γ的单位切向量、副法向量,k,τ分别是Γ的曲率、挠率函数;(2)设Γ是曲面S上的一条曲线,则以Γ为导线,以ε(s)cos θ(s)+n(s)sin θ(s)为母线方向的直纹面可展当且仅当θ(s)=∫ss0τg(s)ds+θ0,其中n(s)是曲面在S处的单位法向量ε=n×α,τg是沿导线Γ的测地挠率.     

由函数生成的半群

考察了一些由函数生成的半群,并给出能生成半群的若干形式的函数,进而研究这种半群所具有的性质。     

外P_(pF(f))-集合及其概率特征

在P-集合(XF-,XF)与元素迁移的随机性基础上,给出了集合X依元素迁移概率PF(f)的外PpF(f)-集合XPF(f)的概念,论证了XPF(f)与XF的关系——XPF(f)是外P-集合XF的扩展,外P-集合XF是XPF(f)的特例,研究了外PpF(f)-集合XPF(f)的随机特性,得到XPF(f)与元素迁移概率关系定理、XPF(f)与元素迁移族关系定理以及集合X的外PpF(f)-集合族与外P-集合族不可辨识定理。     

不变映射生成三维对称镶嵌图案

从动力系统的角度出发,通过构造群P6和P4不变的映射,利用计算机自动生成具有P6和P4对称的图案,生成的图案在与xy平面平行的截面上对称性分别为p6m和p4m晶体群对称.改进了传统的采用等变映射生成三维镶嵌图案的繁杂方法,用计算机自动生成了漂亮的三维镶嵌图案,为铺砌、雕塑等设计提供了一种新途径.     

单环铒光纤激光器的混沌行为

利用延时反馈法实验研究单环掺铒光纤激光器的混沌行为,并利用时间序列和功率谱研究该系统的混沌特性.实验结果表明:通过在激光器系统中加入一个光学延时反馈回路,改变光延时反馈信号的强度和延迟时间可增加该单环掺铒光纤激光器系统的自由度;该单环掺铒光纤激光器可通过倍周期分岔途径产生混沌.