函数内P-集合的副集及其区间生成规律

基于函数P-集合(S^F,S^F)的动态性、规律性,提出函数内P-集合的副集,给出函数内P-集合副集的区间生成结构、区间生成规律,给出内P-规律ω~F的区间拆分规律及其拆分度量,解决了函数内P-集合S^F状态规律受游弋于S^F边缘的元素(函数内P-集合的副集中的函数)的干扰,而呈现出来的动态规律(区间拆分规律)以及动态变化程度(拆分度量)的刻画等问题.最后以实例分析函数内P-集合副集及其区间生成规律在风险投资中的应用.

函数内P(σ)-集合及其规律的动态特征

在函数内P-集合的基础上,给出函数内P-集合副集、函数内P-集合σ-副集和函数内P(σ)-集合的概念与结构及函数内P-集合与函数内P(σ)-集合的关系,证明了函数内P(σ)-集合动态变化的属性依赖、阈值依赖定理,并探讨函数内P(σ)-集合的规律动态变化依赖因素,得到了规律变化的可辨识定理.

内P-集合的概率特征

利用P-集合的结构,给出元素迁移的概率特征:属性集α的内P-集合概率特征,利用这个结果,给出内P-集合的概率特征,提出内P-集合的随机结构与随机定理。普通集合的结构是内P-集合的随机结构的特例,内P-集合的随机结构是普通集合结构的一般形式。

P-集合的信度特征

利用P-集合的结构,给出属性迁移的信度特征:属性集α的内P-集合信度特征,属性集α的外P-集合信度特征,利用这些结果,给出内P-集合的信度特征,外P-集合的信度特征,提出内P-集合的随机结构与随机定理,外P-集合的随机结构。普通集合的结构是P-集合的随机结构的特例,P-集合的随机结构是普通集合结构的一般形式。

内P-显性信息规律显性-隐性特征与显性信息规律发现

函数P-集合(function packet sets)是把函数概念引入到P-集合内(packet sets),改进P-集合得到的,函数P-集合具有动态特性,规律(函数)特性。函数P-集合是由函数内P-集合SF(function internal packet set SF)与函数外P-集合SF(function outer packet set SF)构成的函数集合对;或者,(SF,SF)是函数P-集合.利用函数内P-集合与生物遗传学中的"显性","隐性"概念交叉,渗透,给出内P-显性信息规律的显性-隐性特征,给出内P-显性信息规律的显性-隐性定理,给出内P-显性信息规律发现准则;利用这些结果,给出内P-显性信息规律发现的应用.