P-未知数据集及其过滤-分离

当普通集合X的属性集合α发生动态变化时,X中隐藏着未知数据信息。根据这一情况,利用X生成的P-集合(XF,XF)和∧-型大数据的结构,提出内P-未知数据集、外P-未知数据集、P-未知数据集概念,给出它们的数值特征。定义未知数据集的P-依赖度、P-过滤度概念,讨论未知数据集的P-依赖度与P-过滤度的关系。利用过滤度分析P-未知数据集过滤识别的条件,给出P-未知数据集的过滤-分离识别原理,过滤剩余-分离识别原理,得到过滤-分离识别定理以及过滤剩余-分离识别定理,最后给出内P-未知数据集过滤识别的应用。

知识依赖与动态模糊数据粗传递

根据实际中经常遇到的信息传递情况:一是我们不能丢失任何可能有用的信息,以免造成损失;二是被传递的概念是双向动态变化的模糊数据,三是信息传递者的知识不同,接收到的数据信息不一样。本文利用具有动态特性的双向S-粗模糊集构建了一种新的动态模糊数据粗传递模型-上近似动态模糊数据粗传递模型,分析了信息传递者的知识对模糊数据粗传递的影响,建立了知识依赖、知识等价、知识独立与传递过程中动态模糊数据变化的关系,得到了动态模糊数据在传递过程中保持不变、发生增益的条件,给出了动态模糊粗传递数据不变定理及数据增益定理,最后给出了动态模糊粗传递模型在风险投资管理系统中应用,制定了符合实际的投资决策。动态模糊粗传递是双向S-粗模糊集的一种新的应用。