粗信息矩阵与其粒度矩阵特征

提出了粗信息矩阵、信息粒度矩阵、粗粒度矩阵的概念,给出了粗信息矩阵的结构及粒度特征;讨论了粗信息矩阵、粗粒度矩阵的性质及运算法则。给出粗信息矩阵与粗集、S-粗集的关系定理、粗信息矩阵与其粗粒度矩阵的关系定理,粗信息矩阵不仅是研究粗系统结构特征的新理论工具,而且是粗系统理论研究与应用研究又一个新的研究方向。     

基于S-粗集的反辐射导弹识别算法研究

针对具有动态特征的信息系统,在S-粗集属性迁移理论基础上,给出了S-粗集上的区分矩阵,提出了一种基于S-粗集区分矩阵的属性约简算法.该算法弥补了Z.Pawlak粗集理论对于动态系统知识发现的局限,通过属性迁移对不完备的信息系统进行动态扩展.约简后生成的规则简单准确.本文的算法具有理论与应用的一般性、广泛性,对于现代战场中的删识别,更显示出了极强的优越性.     

基于双向S-粗集的动态粗传递模型

根据信息传递中我们需要准确可靠的信息这种实际情况,利用双向S-粗集理论提出了一种动态粗传递模型,即双向S-下近似动态粗传递模型.分析了该模型的特性,得到了信息保持不变、信息发生损失与知识的关系,给出了提高信息传递精确性的方法以及该模型的应用.     

基于S-粗集理论上的属性约简与算法研究

给出基于S-粗集的单向属性迁移集合,双向属性迁移集合以及单向信息系统和双向信息系统的模型;又给出属性迁移的若干性质。从Skowron提出的分辨矩阵的角度出发,给出了S-粗集中的分辨矩阵,并在此基础上提出了基于S-粗集理论上的属性约简算法。最后给出该算法在医学方面中的应用,证明了该算法的有效性。     

直觉模糊S-粗决策模型及应用

基于直觉模糊S-粗集理论,提出双向直觉模糊S-粗决策模型.首先给出指标值的量化方法,将目标矩阵进行标准化处理.其次,建立直觉模糊S-粗决策的上一决策和下一决策优化模型,并给出直觉模糊S-粗决策算法及详细步骤.最后,以空袭目标为例,详细研究了目标威胁程度评估过程.结果表明,直觉模糊S-粗决策模型能够综合处理决策因素的定性与定量因素,得到的决策结果综合性能最优.所得的排序结果真实、准确地反映了实际情况.     

单向S-概率粗集

既考虑集合 的动态特性, 又考虑知识库中的统计信息, 提出了单向S-概率粗集. 讨论了单向S-概率粗集的动态特性, 为获得动态的决策规则奠定了基础. 给出了单向S-概率粗集的意义解释, 单向S-概率粗集是对经典粗集理论和单向S-粗集理论的进一步完善与发展.     

粗集、S-粗集、函数S-粗集及其关系定理

针对Pawlak粗集理论的现况,着重介绍了S-粗集、函数S-粗集的定义、两种结构及对偶形式,详细讨论了S-粗集与Pawlak粗集之间的关系,函数S-粗集与S-粗集、Pawlak粗集之间的关系。最后给出了S-粗集理论的可应用领域。     

变精度双向S-粗集及其应用

提出基于副集的双向S-粗集,变精度双向S-粗集;给出基于副集的双向S-粗集,变精度双向S-粗集的数学结构;给出变精度双向S-粗集的存在背景和意义解释。变精度双向S-粗集是对双向S-粗集理论的完善和发展。     

单向S-粗模糊集及其特性

提出动态的模糊集,即单向S-模糊集。由此提出了单向S-粗模糊集概念,给出了单向S-粗模糊集结构。定义了单向S-粗模糊集的截集概念,讨论了单向S-粗模糊集的特性。分析了单向S-粗模糊集与Z.Pawlak 粗集、Dubois粗模糊集以及单向S-粗集之间的关系。给出了单向S-粗模糊集的背景和意义解释,单向S-粗模糊集是具有动态特性的粗模糊集。     

动态知识智能发现与属性逻辑动态关系

单向S-粗集(one direction singular rough sets)与单向S-粗集对偶(dual of one direction singular rough sets)是S-粗集(singular rough sets)的两种动态结构;在一定条件下,单向S-粗集与单向S-粗集对偶被还原成Z.Pawlak粗集.单向S-粗集与单向粗集对偶分别是S-粗集的基本形式之一.利用单向S-粗集与单向S-粗集对偶,给出动态知识的属性合取范式与属性合取范式萎缩-扩张特征,给出知识推理结构与推理模型.利用单向S-粗集,单向S-粗集对偶,属性合取范式与知识推理交叉、融合、渗透,给出具有属性合取范式萎缩-扩张特征的动态知识生成与生成定理;给出在知识推理条件下的动态知识智能发现与它的属性逻辑关系;给出动态知识的智能筛选、筛选准则、筛选定理与应用.     

知识挖掘与它的链式特征

利用S-粗集与它的属性迁移,提出f、■知识、挖掘度概念,讨论了属性迁移与知识挖掘的数量关系;给出了f、■知识链式定理和f、■知识最小、最大挖掘度定理。最后,给出了■知识挖掘的实例分析。     

双向迁移概率PS-粗糙集模型及应用

在粗糙集基础上,既考虑集合[X]的动态特性,又考虑知识库中的统计信息,构建了概率近似空间上的双向迁移PS-粗糙集模型,讨论了PS-粗糙集的性质及相关定理,证明了PS-粗糙集是S-粗糙集和Z.Pawlak粗糙集的进一步扩展,S-粗糙集和Z.Pawlak粗糙集是PS-粗糙集的特例。与S-粗糙集相比,PS-粗糙集的动态集合[X*]的近似精度得到相对提高,从而提高了决策精度。通过实例验证了PS-粗糙集的有效性。     

函数s一粗集，函数粗集与信息系统规律拆分一合成

给出函数单向导粗集(function one direction singular rough sets)、函数单向导粗集对偶Cdual of function one direction singular rough sets)、函数双向S粗集(function two direction singular rough sets)与函数粗集(function rough sets)。它们都是把函数概念引入到S粗集中,改进S粗集得到的。函数粗集是把函数概念引入到Z. Pawlak粗集中,改进Z. Pawlak粗集得到的。函数单向导粗集、函数单向S粗集对偶、函数双向S粗集是函数导粗集的三类形式。给出函数导粗集与导粗集的关系;给出函数粗集与Z. Pawlak粗集的关系;给出函数S粗集与函数粗集的关系。利用这些结果,给出函数的区间离散与有限元素集的生成、函数离散一元素集合生成原理;给出函数导粗集生成的信息规律、函数等价类动态特性一属性补充与删除原理;给出数据拆分一合成原理、信息规律动态拆分一合成的属性特征;给出信息规律动态拆分一合成不变性原理;利用这些概念与结果,给出信息规律拆分一合成与信息图像嵌入一分离的应用,给出嵌入信息图像的分离一辫识。函数导粗集、函数粗集是粗集理论与应用研究中的一个新的研究方向。     

Function S-rough sets and law identification

By introducing element equivalence class that proposes dynamic characteristic into Pawlak Z rough sets theory, the first author of this paper improved Pawlak Z rough sets and put forward S-rough sets （singular rough sets）. S-rough sets are defined by element equivalence class that proposes dynamic characteristic. S-rough sets have dynamic characteristic. By introducing the function equivalence class （law equivalence class） that proposes dynamic characteristic into S-rough sets, the first author improved S-rough sets and put forward function S-rough sets （function singular rough sets）. Function S-rough sets have dynamic characteristic and law characteristic, and a function is a law. By using function S-rough sets, this paper presents law identification, law identification theorem, and law identification criterion and applications. Function S-rough sets are a new research direction of rough sets theory, and it is also a new tool to the research of system law identification.     

粗规律F-分解与规律识别

函数S-粗集具有规律特性、动态特性;利用函数S-粗集和基于函数S-粗集的粗规律生成方法,给出f-分解规律,F-分解粗规律,属性f-扰动度,属性F-下扰动度,属性F-上扰动度等概念; 利用这些概念,提出规律f-分解定理,属性f-扰动度定理,粗规律F-扰动度定理,给出粗规律F-分解识别的基本原理,并给出应用实例。     

函数双向S-粗集的信度特征

利用函数双向S-粗集的结构,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,给出函数双向S-粗集的信度特征,提出函数双向S-粗集的随机结构与随机定理。函数双向S-粗集的结构是函数双向S-粗集的随机结构的特例,函数双向S-粗集的随机结构是函数双向S-粗集结构的一般形式。