关于Fuzzy聚类与照片分户问题

本文就文献(2)中某些提法和结论,提出两点意见与之商榷。     

函数S-粗集与隐藏规律安全-认证

函数S-粗集是用具有动态特性的冗．函数等价类定义的，函数S-粗集具有动态特性、规律特性与规律隐藏特性．函数S-粗集能够生成f-隐藏规律、f-隐藏规律．把信息安全理论与函数S-粗集嫁接、交叉、渗透；给出f-隐藏规律、f-隐藏规律的安全隐藏与认证．函数S-粗集与信息安全理论融合、共享，是信息系统中信息规律应用研究的一个新的研究方向．     

单元素迁移与S-粗集的动态结构特征

在S 粗集的基础上,给出单元素迁移的定义,讨论了单元素迁移对粗集结构的影响,并给出了相关定理;用单元素迁移解释S 粗集的动态过程,给出了S 粗集的动态结构特征.     

粗规律与它的单向安全

利用函数单向S-粗集(function one direction singular rough sets),给出粗规律的概念,粗规律是被w(x)-,w(x)-构成的规律对{w(x)-,w(x)-};因为函数单向S-粗集的属性集{α-,α-}发生变化,粗规律{w(x)-,w(x)-}也发生变化.利用椭圆曲线,给出粗规律锁住概念,提出粗规律锁住定理,并给出应用.     

函数P-集合

把函数概念引入到P-集合(packet sets)中,改进P-集合,提出函数集合(function packet sets),给出函数集合的结构。函数P-集合具有动态特性和规律特性。函数P-集合是由函数内P-集合SF珔(function internal packet setSF珔)与函数外P-集合SF(function outer packet set SF)构成的函数集合对;或者,(SF珔,SF)是函数P-集合。P-集合是函数P-集合的特例,函数P-集合是P-集合的一般形式。在一定条件下,函数P-集合能够回到函数集S的"原点"。给出函数P-集合在未知信息规律发现中的应用,这些未知的信息规律潜藏在信息系统中,它们不被人们事先知道。     

粗交流整体最优传递序列的模拟退火算法

粗交流中,确定概念在多个agents间传递时,由于各个agent有不同的语言,相互之间不能提供准确的信息交流,从而导致概念在传递过程中会丢失部分信息,最后得到粗糙的结果.在不同的粗交流传递序列中,信息的丢失量往往是不同的.利用模拟退火算法,得到使参与粗交流的各个agent获得信息量最大的粗交流传递序列.算法的分析和仿真验证了该方法的有效性.     

P-集合与动态信息的依赖-发现

P-集合是一个集合对,它是由内P-集合(internal packet set)与外P-集合(outer packet set)共同构成。P-集合具有动态特征,是通过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,也可得到P-集合。利用P-集合的结构与动态特性,给出动态信息生成和动态度的概念,提出动态信息生成的依赖特性、动态信息依赖、信息依赖-发现定理和信息依赖-发现准则等。最后,给出动态信息依赖-发现在信息状态识别中的应用。     

(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.     

外P-集合与数据内-恢复

外P-集合(outer packet sets)是P-集合(packet sets)的一个部分,它是P-集合的一个概念;利用外P-集合,提出F-数据与F-数据内-恢复概念;给出F-数据内-恢复定理及内-恢复的属性删除无效原理,利用这些结果给出应用。     

-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^-F-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^-F-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,给出^-F-残缺数据的应用。