外P-信息融合和它的属性合取特征

P-集合(packet sets)是由内P-集合X~F(internal packet set X~F)与外P-集合X~F(outer packet set X~F)构成的集合对;或者,(X~F,X~F)是P-集合.利用外P-集合,给出外P-信息融合生成,外P-信息融合补充生成与外P-信息融合度量概念;给出外P-信息融合生成定理,外P-信息融合依赖定理;给出外P-信息融合还原定理;给出外P-信息融合的属性合取定理与属性合取压缩定理;给出属性合取压缩外P-信息融合发现原理.     

内P-反动态信息特征与信息恢复

P-集合(packet sets)是一个动态模型,P-集合是由内P-集合x~F(internal packet set X~F)与外P-集合XF(~Fouter packet set X~F)构成的元素集合对;或者(X~F,X~F)是P-集合.利用内P-集合的结构,给出内P-信息,内P-反动态信息,信息的内P-反动态恢复概念,给出内P-反动态信息的属性合取收缩生成,给出内P-反动态信息与内P-信息同属性定理,给出内P-反动态信息存在与属性合取范式定理,给出信息的内P-反动态恢复属性定理.这些基本理论结果是把内P-集合与一类信息系统故障状态识别交叉,渗透研究得到的.     

内P-显性信息规律显性-隐性特征与显性信息规律发现

函数P-集合(function packet sets)是把函数概念引入到P-集合内(packet sets),改进P-集合得到的,函数P-集合具有动态特性,规律(函数)特性。函数P-集合是由函数内P-集合SF(function internal packet set SF)与函数外P-集合SF(function outer packet set SF)构成的函数集合对;或者,(SF,SF)是函数P-集合.利用函数内P-集合与生物遗传学中的"显性","隐性"概念交叉,渗透,给出内P-显性信息规律的显性-隐性特征,给出内P-显性信息规律的显性-隐性定理,给出内P-显性信息规律发现准则;利用这些结果,给出内P-显性信息规律发现的应用.     

内P-推理与系统故障判断恢复

P-集合(packet set)是由内P-集合XF(internal packet set)与外P-集合XF(outer packet set)构成的集合对(XF,XF),利用P-集合得到P-推理(packet reasoning),P-推理是由内P-推理(internal packet reasoning)与外P-推理(outer packet reasoning)共同构成的.P-推理是一个动态推理,具有智能特征;把内P-推理应用于系统故障判断-恢复中,给出了内P-故障信息判定定理、最小粒度定理、粒度链定理、属性补充-信息删除定理、系统故障元判定定理,内P-推理信息辨识定理及推论,同时给出了系统故障内P-推理算法与它的N-S图,最后给出应用实例.     

层次内P-集合及其性质

P-集合是由内P-集合X~F(internal packet setsX~F)与外P-集合X~F(outerpacket setsX~F)构成的集合对,或者(X~F,X~F)是P-集合.利用P-集合理论,给出内P-集合的扩展模型—层次内P-集合,把内P-集合的依赖关系扩展到层次内P-集合中,并研究层次内P-集合的性质.层次内P-集合是普通内P-集合的扩展,提供了多角度、多层次分析和研究问题的方法.     

内-遗传信息与它的内P-推理发现特征

P-集合(Packet sets)是由内P-集合X~F(internal packet setsX~F)与外P-集合X~F(outer packet setsX~F)构成的集合对;或者,(X~F,X~F)是P-集合.给定有限普通集合X={x_1,x_2,…,x_q},α={α_1,α_2,…,α_k}是X的属性集合;若在α内补充属性,则X变成内P-集合X~F={x_1,x_2,…,x_p},X内元素x_1,x_2,…,x_p被内-遗传到X~F内,P≤q,P,q∈N~+.内-遗传是P-集合的重要应用特征之一.利用内P-集合,给出内-遗传信息概念,内-遗传信息的遗传特征;利用内P-推理,给出内-遗传信息的内P-推理辨识与未知内-遗传信息的内P-推理发现.     

外P-反动态信息特征与信息恢复北大核心

利用P-集合的结构与动态特性,给出外P-信息,外P-反动态信息,外P-反动态信息生成与外P-反动态信息恢复概念;外P-反动态信息是.P-集合的新特征.利用这些新概念,给出一些新的理论结果:外P-反动态信息属性定理,外P-反动态信息属性合取定理,外P-反动态信息恢复定理与外P-反动态信息单位圆定理.     

外P-反动态信息特征与信息恢复

利用P-集合的结构与动态特性,给出外P-信息,外P-反动态信息,外P-反动态信息生成与外P-反动态信息恢复概念;外P-反动态信息是.P-集合的新特征.利用这些新概念,给出一些新的理论结果:外P-反动态信息属性定理,外P-反动态信息属性合取定理,外P-反动态信息恢复定理与外P-反动态信息单位圆定理.     

P-集合的格论性质

P-集合是把动态特性引入到有限普通集合中,改进普通集合得到的,P-集合是由内P-集合(internal packet sets)与外P-集合(outer packet sets)构成的集合对.利用P-集合理论,给出只集合的依赖关系和度量,证明P-集合在依赖关系下构成格,进而给出基于格论的P-.集合的相关性质.     

函数内P-集合的副集及其区间生成规律

基于函数P-集合(S~F,S~F)的动态性、规律性,提出函数内P-集合的副集,给出函数内P-集合副集的区间生成结构、区间生成规律,给出内P-规律ω~F的区间拆分规律及其拆分度量,解决了函数内P-集合S~F状态规律受游弋于S~F边缘的元素(函数内P-集合的副集中的函数)的干扰,而呈现出来的动态规律(区间拆分规律)以及动态变化程度(拆分度量)的刻画等问题.最后以实例分析函数内P-集合副集及其区间生成规律在风险投资中的应用.     

内扰动与属性合取扩展规律挖掘-发现

扰动的存在使得系统标准输出规律变成非标准输出规律的现象等价于在扰动存在的条件下,非标准输出规律被挖掘-发现;利用函数P-集合模型与它的动态特征给出这个现象的理论研究.主要结果:给出函数P-集合的结构与规律扰动,扰动恢复概念;给出扰动度量;利用这些概念,给出内扰动与属性合取扩展定理;属性合取扩展与内扰动规律挖掘定理,内扰动与规律挖掘辨识定理,内扰动与规律挖掘属性不变性定理.     

P-集合的随机特征

在P-集合概念的基础上,利用元素迁移的随机性,蛤出P-集合的随机生成和P-集合的强随机生成,讨论了P-集合的随机特性.     

知识规律与规律的属性扰动

By employing the knowledge(R-element equivalence class)in one direction Srough sets and dual of one direction S-rough sets,the concept of knowledge law is given;the generation theorem of knowledge law,the excursion theorem of knowledge law,and the attribute disturbance discernible theorem of knowledge law are proposed.Knowledge law is a new characteristic of S-rough sets.     

Function S-rough Sets and Their Law Characteristic

Function S-rough sets(Function Singular rough sets) are defined by R-function equivalence class which has dynamic characteristic, and a function is s law, function S-rough sets have law characteristic. Function S-rough sets has these forms: function one direction S-rough sets, function two direction S-rough sets and dual of function one direction S-rough sets. This paper presents the law characteristic of function one direction S-rough sets and puts forward the theorems of law-chain-attribute and law-belt. Function S-rough sets is s new research direction of the rough sets theory.     

外P集合与F-扩充数据-过滤

P-集合具有动态特性,它由内P-集合与外P-集合组成.植物品种扩充过滤过程具有外-动态特性,应用外P-集合的外-动态特性及其结构,提出了F-扩充数据概念,讨论F-扩充数据的生成与过滤,获得F-扩充数据-过滤定理及F-扩充数据的生成-过滤算法,并给出F-扩充数据-过滤的应用.研究结果为动态信息系统的数据扩充提供了一种新方法.     

函数S-粗集与规律双向分离

函数S-粗集(function singular rough sets)是用R-函数等价类定义的,函数是一个规律,函数S-粗集具有规律特征.函数S-粗集推广了Z.Pawlak粗集.利用函数S-粗集,给出规律生成,规律分离的讨论,提出规律分离定理.给出的结果在投资分险规律估计中得到了应用.     

函数S-粗集对偶与F-粗边际规律

函数单向S粗集对偶(dual offunction one direction singular rough sets)是函数S粗集的基本形式之一,函数单向S-粗集对偶具有动态特性与规律(函数)特性.函数S粗集(function singular rough sets)是把函数概念引入到S粗集内(singular rough sets)改进S粗集得到的把导数概念与函数单向S粗集对偶交叉、渗透给出粗边际规律F-粗边际规律概念;给出粗边际规律F-粗边际规律特征;给出F-粗边际规律与粗边际规律的关系;给出F-粗边际规律在经济信息系统中的应用