函数P一集合与信息规律的属性控制

函数P-集合(Function Packet sets)是一个新的数学模型与新的数学结构,是研究动态信息系统信息规律的一个新理论与新方法。函数P-集合是由函数内P-集合SF珚(function internal packet set SF珚)与函数外P-集合SF(func-tion outer packet set SF)构成的函数集合对。函数P-集合具有规律(函数)特征、动态特性。利用这一特性,研究信息规律属性控制,给出函数P-集合与信息规律生成,实现信息规律属性控制定理及信息规律的属性控制在信息图像边界稳定中的应用。     

具有属性析取扩展特征的内逆P-信息智能挖掘

逆P-集合(inverse packet sets)是由内逆P-集合P-F(internal inverse packet set(X)F)与外逆P-集合XF(outerinverse packet setXF)构成的集合对;或者,((X)F,(X)F)是逆P-集合;逆P-集合具有动态特性.它是研究另一类动态信息与应用的新模型.逆P-集合中元素的属性满足属性析取.利用内逆P-集合的结构,给出了元素的属性析取扩展形式与特征、属性析取扩展条件下的内逆P-信息智能挖掘,以及挖掘定理与智能挖掘原理;给出了满足内逆P-推理与非完整信息条件下的完整信息的智能挖掘-发现.利用这些结果,给出了具有属性析取扩展特征的信息智能挖掘的应用.     

逆P-集合的边界特征与系统状态监测

逆P-集合是具有动态特性的集合模型,逆P-集合的动态特性来自集合内元素(属性)的动态迁移:元素迁入使得集合的边界向外扩展,元素迁出使得集合的边界向内收缩,从而产生扰动的边界和稳定的核。基于上述事实,在逆P-集合的基础上,提出逆P-集合的边界、核的概念和特征,给出逆P-集合与有限普通元素集合之间的关系、边界和核的扰动定理及逆P-集合、边界和核在系统状态监测中的应用。     

P(ρ,σ)--集合与它的随机特性

P-集合(packet sets)是由具有动态特征的内P-集合与外P-集合构成的集合对,其动态特性是通过元素迁移实现的.基于元素迁移具有随机特性,将P-集合进行改进,提出了P(ρ,σ)-集合的概念,给出了它的结构,论证了P(ρ,σ)-集合是P-集合的一般形式,P-集合是P(ρ,σ)-集合的特例,并讨论了P(ρ,σ)-集合的概率特征与动态特性,给出了内P(ρ,σ)-集合、外P(ρ,σ)-集合与元素迁移随机性的关系定理与应用.     

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   

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。     

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。     

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。     

逆P-推理与未知信息推理-搜索与发现

逆P-集合(inverse packet sets)是改进P-集合(packet sets)得到的一个新的数学结构,它是由内逆P-集合X珡F(internal inverse packet setX珡F)与外逆P-集合X珡F珚(outer inverse packet setX珡F珚)构成的集合对;或者(X珡F,X珡F珚)是逆P-集合。逆P-集合具有动态特性,逆P-集合的动态特性与另一类信息系统的动态特性相同。P-集合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-集合具有动态特性,P-集合的动态特性与一类信息系统的动态特性相同。P-集合在一类信息系统中获得了多个应用。P-推理(packet reasoning)是P-集合生成的一个具有动态特性的推理。利用逆P-集合(inverse packet sets)与逆P-推理(inverse packet reasoning)给出逆P-推理与内-外搜索定理、逆P-推理的几何特征,以及逆P-推理与未知信息搜索-辨识的多个基本理论结果与应用。逆P-集合与逆P-推理具有好的应用前景。