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.     

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。     

函数S-粗集与它生成的F-隐形图像特征

利用甬数S-粗集,给出图像生成;提出F-隐形图像的概念,给出F-隐形图像的构成结构;给出F-隐形图像的属性特征;提出F-隐形图像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．     

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.     

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．     

函数单向S-粗集生成的F-模型

利用函数单向S-粗集, 给出R-函数等价类［u(x)］的f-模型与f-t阶单向动态模型的生成及有关概念, 给出F-模型与F-单向动态模型生成及有关概念, 提出F-单向动态模型序关系定理及动态分离定理, F-模型的动态特征依赖于属性集α上的属性补充。利用这些讨论, 给出F-模型生成原理及应用。     

函数S-粗集

利用S-粗集(singular rough sets)，提出了函数S-粗集，给出了函数S-粗集的数学结构和特性．函数S-粗集具有两类形式：函数单向S-粗集，函数双向S-粗集．提出了函数S-粗集与S-粗集的关系定理．函数S-粗集是S-粗集的一般形式，S-粗集是函数S-粗集的特例．函数S-粗集是粗集研究的一个新方向．     

S-粗决策及其F-干扰生成

针对动态决策系统具有的干扰特性和决策的不确定性,利用双向S-粗集提出了F-干扰粗决策与F-干扰粗决策规律的概念,并对F-干扰粗决策生成与F-干扰粗决策规律生成的特性进行了讨论,给出了F-干扰粗决策规律不可分辨定理与识别准则和应用.通过讨论和应用,说明利用F-干扰粗决策规律有助于在动态决策系统中分辨-识别出异常干扰,修正系统做出的决策,保证决策的安全.     

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.     

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.     

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。     

S-粗集知识的动态推理与识别

利用数理逻辑中命题逻辑的形式, 给出知识系统受到外部属性干扰时, 干扰的逻辑推理结构, 知识的动态推理与识别, 提出知识的推理识别定理, S-粗集的推理识别定理, 知识的动态推理识别原理。 给出知识的动态推理与识别在知识动态识别中的应用。     

S-粗集和它的一般结构

给出论域U上元素迁移F，F，单向奇异集合，双向奇异集合的概念；利用这些概念，提出奇异粗集，简称S－粗集，给出S－粗集的数学结构，S－粗集的存在背景和意义解释。S－粗集包含两种结构：单向S－粗集，双向S－粗集；S－粗集是研究系统动态近似特性，知识挖掘，知识发现的一个新的理论工具。