粗糙集理论作为一种处理不精确知识或数据的表达、学习、归纳的理论方法,由于它在机器学习与知识发现、数据挖掘、决策支持与分析等方面的广泛、成功的应用而成为当前信息科学等领域的研究热点之一.实际系统(例如金融系统、风险投资系统、医疗诊断系统等)的各种问题多为动态的,经典的Pawlak粗糙集是一个静态的粗糙集,对于处理动态问题无能为力,S-粗集拓展了Pawlak粗糙集,对元素迁移或属性迁移引起的各种动态问题(如动态数据挖掘、动态知识发现和系统动态粗特性等)的研究提供了理论支持.元素迁移与属性迁移、元素动态补充与约简是知识表达系统常涉及到的两个动态问题.元素迁移和属性迁移是S-粗集理论中最基本最重要的概念之一,目前关于S-粗集的研究均是基于元素迁移或属性迁移的既成事实上,对于其产生的原因以及对系统的影响的相关研究甚少.知识表达系统是各种信息系统的关键,知识表达系统的元素动态补充和约简的目的是构建一个具有鲁棒性能的知识表达系统,而目前还没有一个比较令人满意的构建原则可循.本文在总结前人工作的基础上主要作了以下工作:1.分析元素迁移和属性迁移的原因,利用命题逻辑理论,阐述了当外部因素干扰系统时,元素迁移和属性迁移的过程,根据干扰效果把干扰因素分为元素干扰和属性干扰两种类型,给出出元素干扰与系统内部的元素之间的逻辑推理形式;属性干扰与系统内部的属性之间的逻辑推理形式;在此基础上给出知识的逻辑推理形式和S-粗集的逻辑推理形式.这些结果使得人们能够动态掌握系统知识的形态变化,识别潜藏在系统中的未知知识、概念;且可以根据冲突理论积极干扰系统,使系统达到或接近预期的变化.这部分的研究为实现系统的动态预测、动态决策以及动态控制提供了理论依据,是该文的侧重点.2.提出了成熟度、规则重要度和规则频度比的概念,在这些概念的基础上给出了具有鲁棒性能的知识表达系统的一种构建算法.