S-粗集(Singular rough sets)具有动态特征,近似特征。S-粗集是改进Z.Pawlak粗集得到的,在一定条件下S-粗集被还原成Z.Pawlak粗集。利用单向S-粗集(one direction singular rough sets)与单向S-粗集对偶(dual of one direction singular rough sets),给出内-生成知识,外-生成知识与内-外生成知识概念,给出知识动态发现,发现原理与发现定理,给出知识发现具有的属性合取范式扩张-萎缩特征,给出应用。S-粗集是研究知识动态发现的新理论与新方法。
P-集合(packet sets)是一个动态模型,P-集合是由内P-集合X^F(internal packet set X^F)与外P-集合(outer packet set X^F)构成的元素集合对;或者(X^F,X^F)是P-集合.利用内P-集合与信息融合交叉,给出内P-信息融合概念,给出一些基本理论结果,并利用这些特性进行信息过滤-辨识.最后利用这些结果给出应用.
P-集合(packet sets)是一个动态模型,P-集合是由内P-集合x^F(internal packet set X^F)与外P-集合XF(~Fouter packet set X^F)构成的元素集合对;或者(X^F,X^F)是P-集合.利用内P-集合的结构,给出内P-信息,内P-反动态信息,信息的内P-反动态恢复概念,给出内P-反动态信息的属性合取收缩生成,给出内P-反动态信息与内P-信息同属性定理,给出内P-反动态信息存在与属性合取范式定理,给出信息的内P-反动态恢复属性定理.这些基本理论结果是把内P-集合与一类信息系统故障状态识别交叉,渗透研究得到的.
