系统的-fp-状态与它的动态识别

函数单向S-粗集对偶是函数S-粗集（function singular rough sets）的基本形式之一．函数单向S-粗集对偶是研究系统规律入侵预测的一个重要的理论与方法．利用函数单向S-粗集楚偶（Dual of function one direction singular rough sets）,本文给出^-fp-状态,状态距离的概念,系统状态被^-fp-规律随机入侵的概念．进而给出系统状态被^-fp-规律入侵呈婴的状态特征及对这些状态特征的识别准则和应用.     

函数单向S-粗集对偶的信度特征

利用函数单向S-粗集对偶的结构,给出函数迁移的信度特征,函数集Q'的下近似信度特征,函数集Q'的上近似信度特征,利用这些结果,给出函数单向S-粗集对偶的信度特征,提出函数单向S-粗集对偶的随机结构与随机定理.函数单向S-粗集对偶的结构是函数单向S-粗集对偶的随机结构的特例,函数单向S-粗集对偶的随机结构是函数单向S-粗集对偶结构的一般形式.     

函数S-粗集与规律积分度量

利用函数单向S-粗集和函数单向S-粗集对偶,给出f-规律知识,规律知识,f-规律和规律的概念,利用这些概念,给出规律知识生成的规律之间的关系和积分度量.     

单向S-粗模糊集对偶及其结构

基于动态系统,结合模糊集理论和单向S-粗集理论,提出了单向S-粗模糊集对偶的概念及其结构,对F-特性进行了讨论,给出了应用.     

函数单向S-粗集与系统状态检测-识别

函数S-粗集具有动态特性, 规律特性; 函数S-粗集具有三种形式: 函数单向S-粗集, 函数双向S-粗集, 函数单向S-粗集对偶。将函数单向S-粗集的概念引入到系统状态检测-识别中, 提出系统状态偏离, 状态偏离距离的概念, 给出系统状态识别准则与应用。 利用函数单向S-粗集, 在离散的时间区间上对系统状态进行检测, 是系统状态识别与检测的一个新的研究方向。     

F_p-规律与F_p-规律积分度量

利用函数单向S-粗集和函数单向S-粗集对偶,结合元素迁移的随机特征,给出了Fp-规律的概念及Fp-规律的随机结构,提出了的Fp-规律的积分度量,讨论了Fp-规律积分度量依概率变化的特性.并举例说明Fp-规律积分度量在系统状态识别中的应用.     

单向变异S-粗集对偶的概率特征

利用单向变异S-粗集对偶的结构,给出属性迁移的概率特征:属性集α的下近似概率特征,属性集α的上近似概率特征,利用这些结果,给出单向变异S-粗集对偶的概率特征,提出单向变异S-粗集对偶的随机结构与随机定理.单向变异S-粗集对偶的结构是单向变异S-粗集对偶的随机结构的特例,单向变异S-粗集对偶的随机结构是单向变异S-粗集对偶结构的一般形式.     

函数S-粗集与系统状态■-识别

利用函数单向S-粗集对偶,给出系统状态规律生成概念;提出系统状态识别第一定理与第二定理,给出系统状态识别准则.利用这些结果,给出函数S-粗集在系统状态-F-识别中的应用.     

函数S-粗集与系统状态F-识别

利用函数单向S-粗集对偶, 给出系统状态规律生成概念;提出系统状态识别第一定理与第二定理, 给出系统状态识别准则. 利用这些结果,给出函数S-粗集在系统状态-识别中的应用.     

F-规律挖掘

函数单向S-粗集对偶(dual function one direction singular rough sets)是以R-函数等价类[u]定义的,uiε[u]是一个函数,函数是一个规律.利用函数单向S-粗集对偶的规律特征,给出(F)-规律挖掘的概念,提出(F)-规律挖掘定理.(F)-规律挖掘是寻找经济发展中未知规律的一个新的研究方向.     

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。     

F-知识与它的隐藏-依赖特征

S-粗集(singular rough sets) 存在三种形式: 单向S-粗集(one direction singular rough sets), 单向S-粗集对偶(dual of one direction singular rough sets)和双向S-粗集(two direction singular rough sets)。 S-粗集具有动态特性, 遗传特性, 记忆特性和隐藏特性。 利用S-粗集, 给出了f-隐藏知识, F-隐藏知识, 隐藏度和隐藏-依赖度的概念, 提出了关于隐藏知识的隐藏定理和隐藏-依赖定理, 并给出应用。     

One Direction Rough Law Generation and Its Security Transmission

By using function one direction S-rough sets (function one direction singular rough sets),the concept of one direction rough law is proposed,where one direction rough law is the law pair {w(x)-,w(x)-} composed by w(x)-and w(x)-. If the attribute set {α-,α-} of function one direction S-rough sets changes,then one direction rough law {w(x)-,w(x)-} will change,too. By employing ellipse curves,the concept of one direction rough law security is presented,the security theorem of one direction rough law is proposed and the applications are given. One direction rough law security,which is generated by the intersection and penetration between function one direction S-rough sets and ellipse curves,is a new applied research direction of function S-rough sets.     

S-粗等价类与知识动态挖掘-发现

在单向S-粗集(one direction singular rough sets)、单向S-粗集对偶(dual of one direction singular rough sets)基础上,给出S-粗等价类、S-粗等价类对偶与粗等价类的概念与结构;讨论了三种等价类之间的关系;得到S 粗等价类与S-粗等价类对偶的属性定理与动态分离定理;给出S 粗等价类在知识动态挖掘-发现中的应用。     

F^--二重粗积分与系统识别

以函数单向S-粗集对偶的上、下近似生成的函数为基础，提出了粗区域的定义，二重粗积分的定义及其动态特征，通过动态特征给出了扩张度和扩张率的概念，并且通过计算扩张度和扩张率来度量系统受干扰的程度。     

单向S-对偶粗决策规律与决策规律挖掘

利用单向S-粗集对偶,给出单向S-对偶粗决策规律生成方法;给出上决策规律,下决策规律,单向S-对偶粗决策规律核,单向S-对偶粗决策规律带的概念. 利用这些概念,提出下决策规律传递定理, 上决策规律传递定理,分离的属性定理,粗决策规律挖掘定理与粗决策规律挖掘准则.     

多元函数单向S-粗集

给出了二元函数单向S-粗集的数学结构和特性.提出了二元函效单向S-粗集与一元函数单向S-粗集、单向S-粗集的关系定理,二元函数单向S-粗集与二元函数粗集的关系定理.最后以实例说明二元函数单向S-粗集的存在.     

S-粗集的信度特征

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；给出了单向S 粗集与双向S 粗集的依信度生成；讨论了S 粗集依信度生成的特性．     

P-粗积分的粗变化率及其特性

P-粗积分是由函数双向S-粗集生成的一个积分对,当有属性迁出同时又有属性迁入系统时,P-粗积分发生变化,就具有了一系列动态特性。在P-粗积分动态特性的基础上定义了粗变化度与粗变化率,并研究了其特性。而且粗变化率将迁出与迁入的属性（或P=FUP）对系统产生的作用进行了量化。为有目的地调整系统提供了理论依据。