数据依赖与异常数据分离-应用

数据在传递过程中,经常出现两类现象:一些被传递的数据在传递中发生部分数据元丢失;一些未知的数据元入侵到被传递的数据内。这两类现象使得被传递的数据出现“异常”。利用一个新的数学模型,给出两类现象的理论研究与应用。这个新的数学模型是P集合(packet sets) , P-集合是由内P集合XF(internal packet set XF)与外P集合XF (outer packet set XF)构成的集合对;或者,(XF,XF)是P集合。给出数据的F依赖、F依赖的概念与特性,提出数据的依赖定理,给出异常数据被分离的应用。数据依赖是P集合诸多应用特性之一。P集合是研究动态数据系统的一个新理论与新方法。     

P-集合与数据内搜索-应用

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XF(internal packet sets XF)与外P-集合XF(outer packet sets XF)构成的集合对,或者(XF,XF)是P-集合。利用内P-集合,给出数据内搜索的概念,给出F-数据的度量和依赖关系,给出F-数据内搜索迭代算法和准则,给出数据内搜索的应用。P-集合是研究动态信息系统的一个新理论与新方法。     

P-集合与它的应用特征

P-集合(packet sets)是由内P-集合XF(internal packet sets XF)与外P-集合XF(outer packet sets XF)构成的集合对,或者(XF,XF)是P-集合.P-集合具有动态特性.利用P-集合,给出信息遗传概念,给出信息遗传的度量,提出信息遗传定理.利用信息遗传特性,给出信息状态辨识的方法与应用,给出信息图像生成、信息图像隐匿-潜藏的应用.P-集合是研究动态信息系统的一个新的理论与方法.最后给出P-集合存在的事实,给出P-集合与Z.Pawlak粗集的区别.     

P-集合与F-记忆信息特性-应用

P-集合(packet sets)是由内P-集合XF (internal packet set XF)与外P-集合XF (outer packet set XF)构成的集合对;或者,(丫,XF)是P集合。P-集合具有动态特性。P集合的动态特性来自对集合X的属性集合a给予部分属性补充和部分属性删除。利用P-集合的结构与动态特性,给出了F-记忆信息生成概念、F-记忆信息的度量与F-记忆信息的F-记忆圆概念,提出了F-记忆信息存在性定理、F-记忆信息恢复定理与F-记忆信息特性定理。利用这些结果,给出了F-记忆信息的应用。指出P-集合是研究动态信息系统的一个新的数学模型与数学方法。     

P-集合与F-记忆信息特性-应用

P-集合(packet sets)是由内P集合(internal packet sets)与外P集合(outer packet sets)构成的集合对,或者(XF,XF)是P-集合。P-集合具有动态特性。P集合的动态特性来自对集合X的属性集合a给予属性补充与给予属性删除。利用P-集合的结构与动态特性、F-记忆信息生成概念,给出了异记忆信息的度量与F-记忆信息的F-记忆圆概念,提出了异记忆信息存在性定理、F-记忆信息恢复定理与F-记忆信息特性定理。利用这些结果,给出了F-记忆信息的应用。P-集合是研究动态信息系统的一个新的数学模型与数学方法。     

半P-集合(XF,X)与信息的内一真度环特征

P集合(packet sets)是由内P集合XI' (internal packet set XI')与外P集合XI' (outer packet set XI')构成的集合对;或者(XF,XF)是P集合。P集合具有动态特性(内P集合具有内-动态特性,外P集合具有外-动态特性)。P集合在动态信息系统的多个领域中获得了应用。在一类信息系统中,这类信息系统只具有内-动态特性,不具有外-动态特性。为了研究这类只有内-动态特性的信息系统,改进并简化P集合,提出了半P集合((half packet sets)。半P集合是由内P集合XF与有限普通集合X构成的集合对,或者(XF,XF)是半P-集合,半P集合具有内-动态特性。以及半P集合与有限普通集合的关系,以及半P集合与P-集合的关系。利用半P集合给出信息内-真度与信息内-真度环的概念、信息内-真度环定理以及内-信息恢复-还原的内-真度准则与内-信息恢复-还原的特征系数准则。利用这些结果,给出内-真度环在内-信息恢复-还原中的应用。半P集合是研究一类动态信息系统的一个新的数学方法与数学模型;半P-集合在一类信息系统应用中前景看好     

半P-集合(XF,X)与噪声数据剔除-应用

半P-集合(half packet sets)是由内P-集合XF (internal packet set XF)与有限普通集合X构成的集合对,或者(XF,X)是半P-集合,它具有内一动态特性。为了剔除噪声数据,获得目标数据,利用半P-集合提出了基于属性补充的递推一别除噪声数据的方法。提出了噪声数据、噪声数据集成与F-数据核概念;给出了噪声数据与F-数据生成的递推方法与递推结构、噪声数据集成与F-数据核关系定理、F-数据依赖与辫识定理、噪声数据递推-剔除定理、噪声数据辨识准则与噪声数据递推-剔除准则,以及噪声数据递推-剔除应用。半P-集合是P-集合理论与应用的一个新的研究分支,是研究具有内一动态信息系统的一个新的数学方法。     

F-信息伪装与伪装-还原辨识

P集合(packet sets)是由内P集合XF (internal packet set XF)与外P集合XF (outer packet set XF)构成的集合对,或者,相似文献   

外-残缺数据的生成-辨识

P-集合具有动态特性,它是研究动态信息系统的一个新的数学工具。利用P-集合结构中的外P-集合与F-元素补充集合,给出外-残缺数据与外-残缺数据圆的概念。外-残缺数据是由(x)F与(x)+构成的一个数据对((x)F,(x)+);外-残缺数据圆是由数据圆OF与O+构成的一个数据圆对(OF,O+)。利用外-残缺数据与外-残缺数据圆讨论外-残缺数据的生成与辨识,给出相关定理与外-残缺数据辨识准则,及外-残缺数据辫识的应用。     

P-积分及其动态特性

P-集合是把动态特性引入到有限普通集合中得到的一个新的概念,它是由内P-集合XF与外P-集合XF构成的一个集合对,具有动态特征。将P-集合与积分的知识相结合,给出P-积分的概念,讨论了P-积分的动态特性,并利用P-积分,得到了P-集合的识别定理、P-集合套定理以及P-集合相对于集合X的变化程度的度量,即P-相对厚度。     

P-集合与它的动态等价类特征

P-集合(packet sets)是把动态特性引入到有限普通集合(Cantor set)内,以改进有限普通集合而提出的。P-集合具有动态特性。P-集合是由内P-集合XF-(internal packet set XF-)与外P-集合XF(outer packet set XF)构成的集合对。利用P-集合,提出内P-等价类、外P-等价类、P等价类的概念;给出P-等价类还原定理、内P-等价类离散区间内点定理、外P-等价类离散区间外点定理、P-等价类离散区间子区间定理、P-等价类辨识准则;利用这些结果给出P-等价类在未知信息搜索-辨识中的应用。结果表明,P-集合与普通集合之间存在交叉、渗透空间,一些新结果潜藏在这个空间中。     

P-集合，逆P-集合与信息智能融合-过滤辨识

P-集合(Packet sets)是把动态特性引入到有限普通集合X内,改进有限普通集合X得到的.P-集合是由内P-集合XF(internal packet setXF)与外P-集合XF (outer packet set X,)构成的集合对;或者,(XF,XF)是P-集合.P-集合具有动态性,在一定条件下,P-集合被还原成有限普通集合X.P-集合是一类动态信息系统的数学表示.逆P-集合(inverse packet sets)是由P-集合得到的,具有动态特性,具有与P-集合相反的数学结构.逆P-集合是由内逆P-集合(X)F (internal inverse packet set XF)与外逆P-集合(X)F(outer inverse packet set (X)F)构成的集合对;或者,((X)F,(X)F)是逆P-集合.在一定条件下,逆P-集合被还原成有限普通集合X.逆P-集合是另一类动态信息系统的数学表示.P-推理(packet reasoning)是由P-集合生成的动态推理,逆P-推理(inverse packet reasoning)是由逆P-集合生成的动态推理.把P-集合、逆P-集合、P-推理、逆P-推理与信息融合交叉、渗透,给出信息智能融合-过滤辨识理论与应用研究.同时给出P-集合与逆P-集合的结构、P-集合与逆P-集合的分离、P-集合与逆P-集合的等价类特征、P-信息融合与逆P-信息融合、P-信息融合与逆P-信息融合的推理发现、P-信息融合与逆P-信息融合度量、P-信息融合与逆P-信息融合的过滤-辨识,以及信息智能融合-过滤辨识的应用.P-集合与逆P-集合是研究信息融合理论与应用的一个新理论、新方法.     

(F,F-)-信息的辨识-过滤

P-集合（packet sets）具有动态特性,它是由内P-集合XF与外P-集合XF构成的集合对(XF,XF)。基于具有内动态特性的信息系统,应用内P-集合,提出(F,F-)-信息概念;讨论(F,F-)-信息的辨识与过滤。给出(F,F-)-粒度与(F,F-)-过滤系数概念,得到(F,F-)-信息辨识方法与辨识准则,以及(F,F-)-信息过滤定理与过滤准则,并给出(F,F-)-信息的辨识-过滤应用。(F,F-)-信息辨识与过滤的讨论结果为研究具有内动态现象的信息过滤-发现提供了一种新方法。     

(■,F~-)-信息的辨识-过滤

P-集合(packet sets)具有动态特性,它是由内P-集合X■与外P-集合XF构成的集合对(X■,XF)。基于具有内动态特性的信息系统,应用内P-集合,提出(Fˉ,F-)-信息概念;讨论(■,F-)-信息的辨识与过滤。给出(■,F-)-粒度与(■,F-)-过滤系数概念,得到(■,F-)-信息辨识方法与辨识准则,以及(■,F-)-信息过滤定理与过滤准则,并给出(■,F-)-信息的辨识-过滤应用。(■,F-)-信息辨识与过滤的讨论结果为研究具有内动态现象的信息过滤-发现提供了一种新方法。     

内P集合与信息伪装-应用

内P-集合是P-集合理论的部分,它是一种研究动态信息的新的数学方法。在内P-集合理论基础上,提出[F]-信息伪装粒度定理、[n]阶[F]-伪装信息关系定理、[F]-伪装信息生成定理、信息轻伪装定理、伪装信息恢复定理、内-距离定义、伪装粒度定义等基本概念,在此数学理论基础上构建的新的伪装算法,相比同类算法在时效和空间方面更显优势。通过简单的应用实例,进一步直观地诠释提出理论的应用方法。