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.     

S-粗集与它的F-记忆

利用S-粗集(singular ough sets)和S-粗集的遗传特性,给出知识的f-记忆和S-粗集的F-记忆的概念．利用这些概念,提出S-粗集的F-记忆特性,S-粗集的F-记忆定理,F-记忆链上知识丢失原理．F-记忆是S-粗集的重要特征之一．     

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.     

(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.     

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.     

S-粗集的副集η-嵌入与η-嵌入定理

利用S-粗集，定义了单向S-粗集的副集η-嵌入，双向S-粗集的副集μ△γ-嵌入的概念；给出单向S-粗集的副集η-嵌入的特性，双向S-粗集的副集μ△γ-嵌入的特性；提出单向S-粗集的副集叩．嵌入定理，双向S-粗集的副集μ△γ-嵌入定理．     

概率S-粗集与它的生成结构

提出了概率S-粗集,给出了概率单向S-粗集与概率双向S-粗集的数学结构,分析了概率S-粗集与概率粗集以及Pawlak粗集的关系.     

变异S-粗集与它的变异结构

提出了变异S-粗集，给出单向变异S-粗集与双向变异S-粗集的数学结构；提出变异S-粗集与S-粗集的对偶性定理与变异一对偶原理．变异S-粗集是S-粗集研究的一个新方向．     

S-粗集与它的知识遗传挖掘

利用S 粗集中的遗传知识及其遗传系数的概念,给出了知识的变异系数的概念;提出了变异系数属性依赖定理、遗传-变异关系定理;并给出了知识的遗传挖掘及其算法.     

S-粗集的副集α-生成与α-生成定理

给出了S-粗集的副集α-生成，副集的集-生成概念；给出了副集α-生成特性，副集的集-生成特性；提出了副集的α-生成定理，副集的集-生成定理；给出了S-粗集的属性非空原理，S-粗集的属性基数原理．     

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。     

函数S-粗集与F^--隐形图像生成-辨识

利用函数S-粗集,给出图像生成,提出F^--隐形图像的概念、构成结构、F^--隐形图像的属性特征和分离定理与还原定理,给出F^--隐形图像在图像信息系统中的应用。     

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.     

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,(F))-规律推理与规律挖掘

给出了(F,F-)-规律推理以及(F,F-)-规律推理的规律挖掘概念,提出了(F,F-)-规律推理的规律挖掘定理与(F,F-)-规律推理的规律挖掘原理.     

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。