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.     

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。     

副集的随机特征

利用S-粗集理论和元素迁移的随机性,提出元素迁移的信度及信度函数的概念,提出随机副集的概念,给出了随机副集的(α,β)-随机生成,(α,β)-强随机生成;讨论了随机副集的生成特性．     

单向S-粗集与数据筛选-过滤

利用单向S-粗集,给出了数据属性, 数据筛选-过滤概念,提出了数据筛选-过滤序定理,合成数据筛选-过滤定理,数据筛选-过滤准则,利用这些结果,给出其应用.     

(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.     

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.     

S-rough Laws and Its Dependent Separation by F-Interference

By employing function S-rongh sets, the concepts of f-interference generation and separation of law, and the F-interference generation and separation of S-rough laws were proposed. Base on the concepts above, the F-interference relation theorems, the F-interference discernibility theorem, the dependent separation theorem by interfereence, and the dependent separation principle by interference were presented; finally the application was given. By employing F-interference dependence and separation of S-rough laws, the changes of characteristic of dynamic systemic regularities could be recognized.     

P-增广矩阵与信息的智能动态发现-辨识

利用普通增广矩阵概念与P-集合动态结构交叉,改进普通增广矩阵概念,提出P-增广矩阵,给出P-增广矩阵结构;P-增广矩阵由内P-增广矩阵与外P-增广矩阵共同构成。给出内P-增广矩阵属性定理,外P-增广矩阵属性定理与P-增广矩阵属性定理;给出P-增广矩阵与普通增广矩阵的还原关系。改进P-推理,提出P-增广矩阵推理,给出推理结构;P-增广矩阵推理由内P-增广矩阵推理与外P-增广矩阵推理共同构成。提出属性的P-增广合取范式,给出属性的P-增广合取范式与属性的普通合取范式的关系,提出属性的P-增广合取范式还原定理;给出满足P-增广矩阵推理条件的信息的智能动态发现-辨识定理,最后给出了应用。     

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.     

知识依赖与知识依赖特性

给出S-粗集(Singular rough sets)中的知识，f^--知识和它们的属性集结构；利用这些概念，给出知识的f-依赖关系与知识的f^--依赖关系，提出知识依赖性定理和知识的依赖属性补充-删除原理．