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.     

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.     

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.     

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.     

P-集合与双信息规律生成

P-集合(pacdet 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.P-集合是把动态特性引入到普通集合中,利用普通集合(cantor set)被提出的.在一定的条件下,P-集合能够回到普通集合的原点.利用P-集合,给出双信息规律生成概念,给出双信息规律依赖的属性特征,提出双信息规律生成定理,辨识定理,给出应用.P-集合是研究动态信息系统的一个新的数学理论与数学方法.