双枝模糊层次分析与分析模型

给出双枝模糊决策理论与层次分析的方法相互嫁接相互渗透的研究．利用双枝模糊决策理论与层次分析的方法，本文提出双枝模糊层次结构，给出双枝模糊层次决策模型．把层次分析的方法与双枝模糊层次决策相互嫁接，相互渗透，提出双枝模糊层次分析模型，并给出双枝模糊层次分析的算法。     

信息规律智能融合与它的智能融合内-分离

函数P-集合(function packet sets)是把函数概念引入到P-集合(packet sets)内改进P-集合得到的一个动态信息规律模型。函数P-集合是由函数内P-集合S珚F(function internal packet set S珚F)与函数外P-集合SF(function outer packet set SF)构成的函数集合对;或者,(S珚F,SF)是函数P-集合。P-推理(packet reasoning)是由P-集合得到的一个动态推理,P-推理由内P-推理(internal packet reasoning)与外P-推理(outer packet reasoning)共同构成。把函数引入到P-推理中,改进P-推理,给出P-信息规律推理;把函数内P-集合与内P-信息规律推理交叉、渗透,给出内P-信息规律智能融合与内P-信息规律智能融合内-分离研究。给出:内P-信息规律智能融合的内P-信息规律推理生成,内P-信息规律智能融合与属性合取扩展定理,内P-信息规律智能融合的内-分离与还原,内P-信息规律智能融合的内-分离与未知信息规律发现-应用。     

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.     

具有属性析取萎缩-扩张特征的动态数据智能挖掘

S-粗集(singular rough sets)是把动态特征引入到Z.Pawlak粗集中对其加以改进而提出的,S-粗集具有动态特征.S-粗集具有3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)与双向S-粗集(two direction singular rough sets);在一定条件下,单向S-粗集、单向S-粗集对偶与双向S-粗集被还原成Z.Pawlak粗集.利用单向S-粗集和单向S-粗集对偶给出具有属性析取特征的动态数据智能挖掘与应用;属性析取是数据具有的逻辑特征之一.主要结果是:利用单向S-粗集、单向S-粗集对偶结构,给出属性析取萎缩-扩张特征的动态数据生成与它的属性析取萎缩-扩张关系;给出数据推理与推理模型;利用数据推理给出动态数据智能挖掘定理;利用这些理论结果,给出动态数据智能挖掘-智能认知的应用.     

P-推理与信息的P-推理发现-辨识

P-集合((Packet sets)是把动态特性引入到有限普通集合X内(Cantor set X),改进有限普通集合X得到的一个新的数学结构与数学模型。P-集合是由内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,(了,了)是P-集合。P集合具有动态性。利用P-集合,给出内P-推理(internal packet reaso-ning)、外P-推理(outer packet reasoning) ,P-推理(packet reasoning)与推理模型的图形表示;P推理的结构是:if时,ak, )}}ak, }ak} ) } then ((x)k+} , (x)k)}((x)k , (x)象1)。给出内P-推理与信息删除定理、外P-推理与信息补充定理、P推理与信息删除一补充定理、P-推理与普通推理关系定理、信息单位圆、内P推理信息圆、外P-推理信息圆概念、P-推理信息圆的动态特性定理、推理信息圆一未知信息的内发现准则、推理信息圆一未知信息的外发现准则。利用这些结果,给出内P一推理在未知内一信息发现一辨识中的应用。因为P推理是一个动态过程,给出P推理的属性扰动特征、内P推理的内P扰动定理、外P推理的外P一扰动定理与P一推理的P扰动定理。在内P推理中,因为内P一扰动存在,使得内P推理结论中的信息丢了部分信息元;在外P推理中,因为外P扰动存在,使得外P-推理结论中的信息被补充了部分信息元。P集合是智能信息系统中的一个应用前景看好的新模型、新方法。     

P-集合与F-外嵌入信息辨识-发现

利用外P-集合XF,给出信息(x)的F-外嵌入信息(X)F与F-外嵌入信息依赖概念,给出F-外嵌入信息存在性定理、F-外嵌入信息依赖性定理。给出F-外嵌入系数与外嵌入度概念,并利用这些概念,给出F-外嵌入信息关系定理与F-外嵌入辩识定理。利用这些概念与结果,给出F-外嵌入信息在信息系统中的应用。     

F-外嵌入信息与F-遗传辨识-应用

在外P-集合的动态特性基础上,给出了F-外嵌入信息概念、F-外嵌入信息核概念与井外嵌入信息的度量。利用这些概念,得到了迭代F-外嵌入定理、F-外嵌入存在性定理、F-外嵌入信息的F一遗传定理与F-遗传信息的还原-恢复定理,并给出了F-遗传辫识的应用。外P-集合的一个重要特征是能够发现信息之外的信息,这个发现是由F-遗传完成的。     

F-残缺数据与F-残缺数据圆特征-应用

F-残缺数据是由F-数据(x)F与损失数据(x)-构成的数据对((x)F,(x)-),((x)F,(x)-)具有内-动态特性,应用于一类具有数据元减少特征的信息系统。基于F-残缺数据可视化问题,应用F-残缺数据提出F-残缺数据圆概念,讨论F-残缺数据辨识与恢复的几何方法。给出F-残缺数据圆位置关系定理,F-残缺数据的F-残缺数据圆辨识定理与辨识准则;给出F-残缺数据的F-残缺数据圆恢复定理,并给出应用。F-残缺数据圆是由数据圆OF,O-构成的数据圆对(OF,O-),F-残缺数据圆为研究F-残缺数据提供了一种几何方法。     

新的欺骗免疫秘密共享函数

介绍了欺骗免疫秘密共享函数的密码学模型, 运用构造单射的办法构造了一类形如f(x,y)=x•π(y)的新的欺骗免疫秘密共享函数。同时给出了二次布尔函数为欺骗免疫的充要条件的结论,此结论是Josef Pieprzyk关于二次布尔函数为欺骗免疫的条件结论的改进和提升。     

基于BAN逻辑的ad hoc移动网络路由协议的安全性分析

Ad hoe移动网络路由协议为加强其安全性，采用了密码技术，使其成为安全协议的一种。这使得采用形式化的方法分析其安全性成为可能。考虑ad hoe移动网络路由协议的特点，采用BAN逻辑对协议的安全性进行描述，提出了协议应满足的条件。并对协议的运行过程进行了形式化，给出具体的分析方法。采用该方法对安全路由协议SADSR进行了安全验证，说明方法的有效性。