(-F)-生成规律与系统规律识别

一个系统(控制系统、通讯系统)没有受到某个规律的干扰(或攻击),则系统处于稳定运动状态或者按预定的规律运动.未知规律进入到系统中,对系统进行干扰,使得系统的运动规律紊乱.利用函数单向S-粗集对偶(dual of function one direction singular rough sets),给出系统中(-F)-生成规律的概念,给出(-F)-生成规律的生成模型和对系统规律的识别.函数单向S-粗集对偶是识别系统中存在干扰规律,识别系统规律的一个新的理论与方法.     

F-粗规律与它的属性控制

函数单向S-粗集(Function one direction singular rough sets)是用具有动态特性的R-函数等价类［u］定义的, 函数单向S-粗集具有规律(函数)特征。 利用函数单向S-粗集, 给出F-粗规律(w-(x)F,w-(x)F)的结构, 粗规律(w-(x),w-(x))的属性特征, 属性距离, 状态系数概念, 利用这些概念, 提出F-粗规律与它的属性控制, 给出属性控制准则, 属性控制定理与应用。F-粗规律与它的属性控制是函数S-粗集(Function singular rough sets)中的一个新的应用研究方向。     

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。     

内P-信息显性-隐性分离与显性-隐性分离定理

把内P-集合X定义成内P-信息(x),利用内P-集合的特性,给出内P-信息显性分离、隐性分离概念和分离定理,最后,给出内P-信息显性-隐性分离生成的属性特征。     

P-增广矩阵推理与信息的智能分解挖掘

利用内P-增广矩阵推理、外P-增广矩阵推理与P-增广矩阵推理分别给出信息智能内-分解、信息智能外-分解与信息智能内-外分解, 给出它们的属性关系、内-分解生成的信息智能分解挖掘、外-分解生成的信息智能分解挖掘与内-外分解生成的信息智能分解挖掘、分解挖掘定理与分解挖掘准则,最后,给出信息智能分解挖掘的应用。     

F-残缺数据的辨识与恢复

利用P-集合结构中的内P-集合与F-元素删除集合,给出声．残缺数据的概念,它是由（x）F与（x）-构成的一个数据对（（x）F,（x）-）。由F-残缺数据,给出F-残缺数据的生成与豇残缺度。利用这些结果,给出F-残缺数据的关系定理,F-残缺度定理,F-残缺数据的辨识定理,F-残缺数据的恢复定理,并给出F-残缺数据的应用。     

改进的Internet环境下的认证及密钥分配

提出了一种新的适用于Internet网络环境的认证及密钥分配方案.文[7]中为了防止"重传"攻击,要求网上的时钟基本同步,这在实际中是一个非常困难的问题,基于此,本文提出了一个简单有效的方法,增加了通信双方的临时标识和响应者标识,从而在根本上解决了重传攻击,避免第3方假冒攻击.     

X{}×X上的R()关系

本文提出了灰色关系R()及其最大灰色界度和最小灰色界度等概念,得到了关系R()的若干结果。     

(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.     

模糊等价关系基础上的粗集分解

介绍了模糊相似关系和模糊等价关系的有关性质,根据这些性质建立了在模糊等价关系基础上的λ-等价类,并在λ-等价类基础上建立了λ-粗集;给出了λ-等价类分解和λ-粗集分解的定义,最后给出了λ-等价类和λ-粗集的一般性质,可知λ-粗集是Z.Pawlak粗集的推广得出了等价类和粗集在模糊等价关系基础上的分解结构——分解链。