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.     

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。     

F-二重粗积分与边界厚度

F--二重粗积分是由函数双向S-粗集生成的积分对,它是F -二重粗积分和F^--二重粗积分的推广。给出F-二重粗积分边界厚度的概念,讨论了边界厚度的动态变化规律,得到边界厚度最值定理。利用边界厚度可以对F-二重粗积分进行辨识,给出F-二重粗积分辨识定理和两个辨识原则。     

P-二重粗积分与函数双向S-粗集的近似精度

以函数双向S-粗集的上、下近似生成的函数为基础,提出P-粗区域和P-二重粗积分的概念,并讨论其性质,指出P-二重粗积分是F-二重粗积分、F二重粗积分和普通二重积分的推广。在P-二重粗积分的基础上,提出函数双向S-粗集的近似精度与近似粗糙度的概念,得出函数双向S-粗集可分辨定理。     

函数单向S-粗集对偶生成的F-粗积分

单向函数S-粗集对偶中的上近似与下近似均可以看作是一个R-函数等价类,他们生成的函数如果在一闭区间上连续,则在该区间存在积分,这样就得到一个积分对,称这个积分对是单向函数S-粗集对偶生成的F-粗积分．F-粗积分是普通积分的推广,而且它具有动态特性和良好的性质,为解决实际问题提供了一个方便有效的工具．     

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。     

函数单向S-粗集生成的F-粗积分

函数单向S-粗集中的上近似与下近似均可看作是一个R-函数等价类,他们生成的函数如果在一闭区间上连续,则在该区间存在积分,这样就得到一个积分对,称这个积分对是函数单向S-粗集生成的F-粗积分。F-粗积分是普通积分的推广,而且它具有动态特性,也有一些良好的性质,为解决实际问题提供了一个方便有效的工具。     

β-粗积分

基于文献[1]提出的F-粗积分概念,引入迁移信度β,提出在迁移信度β条件下的β-粗积分,讨论F-粗积分与β-粗积分的关系,证明β-粗积分是F-粗积分的推广,F-粗积分是β-粗积分的特例。     

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.     

P-粗积分与函数双向S-粗集的粗糙度

在函数双向S-粗集生成的P-粗积分的基础上提出了函数双向S-粗集的精度与粗糙度的概念,讨论了函数双向S-粗集的精度与粗糙度的一系列特性,并得到函数双向S-粗集的可分辨准则与函数双向S-粗集的筛选 剩余定理。     

单向S-对偶粗决策规律与决策规律挖掘

利用单向S-粗集对偶,给出单向S-对偶粗决策规律生成方法;给出上决策规律,下决策规律,单向S-对偶粗决策规律核,单向S-对偶粗决策规律带的概念. 利用这些概念,提出下决策规律传递定理, 上决策规律传递定理,分离的属性定理,粗决策规律挖掘定理与粗决策规律挖掘准则.     

粗规律生成与它的分离

利用函数S-粗集(function singular rough sets), 给出粗规律生成, 粗规律生成定理; 利用这些结果, 提出粗规律分离与粗规律分离定理, 粗规律带复合生成定理与粗规律带原理; 给出粗规律分离在利润风险规律识别中的应用。     

系统F-规律入侵与识别

利用函数单向S 粗集,给出f 规律, F 规律,规律距离的概念以及系统规律被F 规律入侵的概念.利用这些概念,给出系统规律被F 规律入侵呈现的状态特征与对这些状态特征的识别、识别准则与应用.