图像挖掘在军事定位系统中的应用

函数S-粗集（function singular rough sets）具有动态特性与规律特性.本文利用函数S-粗集先给出了挖掘-识别的概念,简述了挖掘-识别定理、挖掘-识别序定理、挖掘-识别准则,最后给出了图像挖掘在军事定位系统中的应用.函数S-粗集是图像挖掘-识别研究的一个新的工具.     

系统(-F)-规律入侵与识别

利用函数单向S-粗集对偶(dual function one direction singular rough sets),本文给出■-规律,■-规律,规律距离,系统规律被■-规律入侵的概念.利用这些概念,本文给出系统被■-规律入侵呈现的特征与对这些特征的识别,识别准则与应用.函数单向S-粗集对偶是函数S-粗集(function singular rough sets)的基本形式之一.函数单向S-粗集对偶是研究系统规律入侵的一个重要的理论与方法.     

变精度变异函数S-粗集与F-结构

动态系统规律知识是规律对象（规律外延）与规律属性（规律内涵）的统一体,利用变异单向函数S-粗集与变精度粗集提出变精度变异单向函数S-粗集的概念和它的F-结构,给出变精度变异单向函数S-粗集的有关性质定理和推论,对此进行了讨论。应用变精度变异函数单向S-粗集对动态系统的内涵规律的精度进行数据挖掘。容易挖掘一发现出动态系统中规律的相关性和规律的近似决策规则。变精度变异单向函数S-粗集为研究动态系统规律提供了一种新的途径。     

函数S-粗集与规律f-生成发现

利用函数S-粗集（function singular rough sets），给出规律知识,f-生成规律知识，规律的f-生成与规律的f-生成发现的概念，提出规律不可分辨定理，规律发现定理和规律的f-发现原理．函数S-粗集是发现系统中未知规律的一个新的数学方法．     

函数单向S-粗集及其F-粗边际规律

基于函数单向S-粗集的规律特性,将导数与函数单向S-粗集相结合,提出其F-粗边际规律的概念;得到了F-粗边际规律的性质;最后给出F-粗边际规律在经济中的应用.     

函数双向S-粗集的副集的α-生成规律及其应用

给出函数双向S-粗集副集的α-生成及其生成规律;利用系统生成规律,预见副集的α-生成规律对函数双向S-粗集的影响,最后举例说明副集的α-生成规律在经济中的应用。     

广义函数S-粗概率及其特性

在不确定情况下分析数据的过程是许多现实问题的主要目的,对某一类数据的统计分析是目前研究的一个热点.利用函数单向S-粗集给出了函数S-粗概率和广义函数S-粗概率的概念,并对其性质进行了讨论,函数S-粗概率和广义函数S-粗概率拓广了函数S-粗集和概率的研究和应用领域.     

粗积分在系统干扰识别中的应用

利用函数粗集和它生成的粗积分,给出输出系统的生成规律、干扰规律与干扰度等的概念.利用这些概念,给出系统干扰的判断与识别,判断与识别准则,给出应用.     

基于S-粗聚合决策的粒子群优化

针对动态系统中存在的因素规律分布问题,基于函数S-粗集,利用粒子群优化算法,提出S-粗聚合体、C*-粗聚合体的概念,给出C*-粗聚合决策矩阵及其生成分布矩阵,并给出了相应的适应度函数和函数迁移族及粒子迁移算法,实现了基于S-粗聚合体且同时满足不同分布律约束的决策,最后给出了基于C*-粗聚合决策的粒子群优化应用。     

函数S-粗集的副集生成及其性态刻画

利用函数S-粗集,给出了函数S-粗集的副集生成和副集弱生成的概念,讨论了副集生成及弱生成的特性,分析了函数S-粗集的副集生成与S-粗集副集生成的关系.     

粗函数信息向量及其生成的粗向量规律

将向量与函数粗集结合起来,得到粗函数信息向量,根据函数粗集的规律性,得到粗向量规律,并给出粗向量规律的辨识准则。     

S-粗糙集的粗糙度与数据挖掘

介绍了S-粗糙集的概念，在此基础上给出了S-粗糙集粗糙度的概念及其性质，为S-粗糙集在数据挖掘中的应用提供了有用的分析工具。     

单向S-粗模糊集

结合模糊集理论和单向S-粗集理论,基于动态系统提出了单向S-粗模糊集的概念、结构及其性质,对此进行了讨论并给出应用实例。     

奇异粗糙集理论及其研究现状

简要介绍Pawlak粗糙集概念,着重介绍奇异集合、奇异粗糙集的基本概念,奇异粗糙集的两种结构,奇异粗糙集与Pawlak粗糙集的关系,以及奇异粗糙集的研究现状。     

一元、二元粗积分规律

利用函数粗集及其生成规律,提出一元、二元粗积分规律的概念与性质,给出一元粗积分规律与粗积分的关系,二元粗积分规律与一元粗积分规律的关系.     

变精度双向变异S-粗集与它的变异结构

提出了变精度双向变异S-粗集的概念和它的变异结构，给出了变精度双向变异S-粗集的有关性质定理和推论，并对此进行了讨论。通过实例分析并验证了动态系统由于属性集合的双向动态迁移特性与变精度参数的变化所产生的双向变异S-粗集的上近似、下近似、近似边界区域以及分类近似精度的变化关系和趋势，指出了变精度双向变异S-粗集的研究与应用方向。     

粗糙集理论在电力系统数据挖掘中的应用研究

电力系统数据具有数据种类混杂、数据质量差、要求高、实时性等特点。在数据挖掘的诸多方法中,粗糙集理论对于处理复杂系统有明显的优势,研究粗糙集在电力系统数据挖掘中的应用,可以更加充分地利用电力系统数据,揭示数据背后蕴含的原理、规则,为解决电力系统中的许多问题找到更加合理的方法。主要介绍了粗糙集理论和电力系统数据挖掘的特点,论述了粗糙集在电力系统数据挖掘中的应用。