基于描述逻辑的模糊ER模型的表示与推理

重点分析了将ER模型分别转化为描述逻辑ALNUI知识库和DLR知识库的不同之处.在深入研究了描述逻辑DLR的基础之上,对DLR进行了模糊化扩展,提出了一种新的模糊描述逻辑FDLR(fuzzyDLR).定义了FDLR的语法结构、语义解释以及知识库的形式,研究了如何将模糊ER模型转化为FDLR的知识库.通过一个转化实例例证了FDLR能够很好地对模糊ER模型进行表示,并利用FDLR的推理机制研究了模糊ER模型的自动推理问题,同时给出了上述转化和推理问题的正确性证明.     

认知描述逻辑ALCKR :描述逻辑的一个非单调扩展

描述逻辑是语义Web的逻辑基础,是形式化表达领域知识的工具.但是描述逻辑只能表达单调推理,不能处理不完全知识.认知描述逻辑因其非单调特性和良好的时间复杂度等特点在处理不完全知识方面有较好的优势.本文在认知描述逻辑ALCK的基础上提出了新的认知描述逻辑语言ALCKR ,保留了描述逻辑原有的优点,加入传递角色属性,增强了表达能力,并通过认知查询拥有了非单调推理的能力.设计了ALCKR 的语法、语义以及表算法.     

时空本体及其逻辑基础研究现状与展望

总结了时空本体及其逻辑基础--时空描述逻辑的研究工作.指出了时空本体和时空描述逻辑的主要问题是复杂度过高(一般情况下不可判定)、不支持多元的时空关系和时空关系复合推理.解决方案是将时空推理和描述逻辑、本体充分结合,建立表达和推理能力更强的时空本体.     

一种带物元的动态描述逻辑

针对动态描述逻辑框架中只有概念和关系,在表述由于动作作用而引起的概念或个体的属性及值的变化和变化后的影响方面能力不强的问题,本文引入物元的概念及其发散规则扩充动态描述逻辑,给出了一种新的带物元的动态描述逻辑(MDDL).文中按照传统描述逻辑的语义解释方法给出了物元的语义解释,然后引入物元及物元"一物多征"的发散推理规则,扩充动态描述逻辑的Tableau算法,生成二种新的Tableau-M算法.最后根据该算法深入研究了MDDL的基本推理问题,即实例断言集的一致性检测问题和概念与物元的可满足性检测问题.     

基于约束逻辑的非单调属性委托

分析了目前分布式协作环境下属性委托模型否定授权能力的现状,引入约束逻辑中否定推理的原理,提出一个支持否定授权的属性委托模型,并给出相应的操作语义,最后对该模型进行可靠性和完备性验证及约束域的分析.理论分析表明,提出的基于约束逻辑否定推理的属性委托模型在扩展的范围约束域上是可行的,与原有的类似模型相比具有更强的表达能力.     

基于推理信息的本体模块化方法

本体模块化在本体推理和复用等应用中有着极为重要的作用.怎么样将本体划分成小的模块是最基本的问题,目前本体模块化的工作主要集中在本体复用的目的上.在这篇文章中,我们提出了一种基于推理信息的本体模块化方法,该方法以提高推理的性能为目的.在基于同一最小推理集合内的公理之间内聚性将会增强的合理假设下,我们的模块化方法通过分析每次推理的过程,得到推理的最小推理集合,然后增强最小推理集合内公理1之间的内聚度,最后根据内聚度将本体划分成模块.在评估阶段,我们首先使用训练公理划分本体,然后通过测试公理来调查本体推理性能提高的程度.根据训练公理和测试公理所属范围的不同,我们使用了三组实验:训练公理和测试公理限定在同一较小范围,训练公理和测试公理不限定范围,训练公理和测试公理的范围实现三次不同的改变.实验的结果尤其是符合实际应用情况的实验三的结果证明了基于推理信息的本体模块化方法的有效性.     

基于本体语言OWL的模糊扩展

本体能够对特定领域的概念、术语以及关系提供一种形式化的描述方法.尽管本体在知识表示上有很强的能力,但是有一个缺陷,即不能表达不确定和不精确的信息.而这些信息在语义网和多媒体应用中,又是至关重要的.针对模糊信息的本体表示问题,本文对本体语言OWL DL进行了基于模糊逻辑的扩展,给出了形式化的语法和语义,并通过一个实例说明了该方法在表达能力上的灵活性. .     

基于概念级语义的图像描述与识别

由于计算机自动提取的图像视觉特征与人所理解的图像内容存在巨大的差异,传统的低层的视觉特征(如颜色、纹理、形状等)CBIR(Content-Based Image Retrieval)系统的检索结果往往不尽如人意.近年来,根据概念级语义(如男孩、高兴、浪漫等)的CBIR引起了研究者的重视.本文对CBIR领域的大量文献进行了深入的分析,从工程角度综述了图像概念级语义的描述模型、概念级语义特征提取和概念级语义图像检索问题的研究进展,并阐述了作者的一些观点.     

基于事例推理在流行病专家系统中的应用研究

应用计算机人工智能技术 ,研究基于事例推理在流行病专家系统中的应用 ,提出了该系统的关键技术—事例的表达方式 ,事例的检索匹配算法 ,以及基于事例推理的流行病诊断专家系统的应用前景。     

基于DFL的Agent推理模型

推理是Agent研究的核心问题之一.根据Agent的推理特性,引用DFL理论提出基于动态模糊逻辑(DFL)的Agent推理模型,实现了范例验证系统,即基于动态模糊逻辑(DFL)的Agent推理模型的叮当漫画书城系统.     

一种基于核集与相似性的模糊推理方法

在稀疏规则库条件下,当给定的输入落入规则"间隙"时,采用传统的模糊推理方法是得不到任何结论的.学者已经证明模糊推理本质上就是插值器.Koczy和Hirota首先提出了KH线性插值推理方法,然而推理结果存在着无法保证凸性和正规性等问题.为了能有一个较好的插值推理结果,本文提出了一种基于核集与相似性的模糊插值推理方法,并把此方法扩展到多维变量的情况,该方法不仅推理简单,推理结果较好,并且能很好地保证推理结果的凸性和正规性.这为智能系统中的模糊推理提供了一个非常有用的工具.     

二值文本分类中基于Bayes推理的特征选择方法

针对二值文本分类算法中的特征选择问题,本文提出了基于贝叶斯推理的评估函数算法来替代常用的、以IG或MI为评估函数的算法;同时,提出了以评估函数值的累计贡献率表示置信度,并以此确定特征选择维度的可量化的方法.对比实验显示,本文提出的新方法具有简便易行、高效实用的优点,此算法不仅对文本分类问题,对其它各类二值分类问题中的特征选择方法研究也都具有很好的参考、借鉴价值.     

一种基于模糊神经网络加权的多维稀疏模糊推理方法

在稀疏规则库条件下,经典的插值理论针对一维稀疏规则库提出了各种不同的插值方法,取得了很多很好的经验;但对多维稀疏规则条件的近似推理研究很少,不仅存在着难以保证推理结果的凸性和正规性等问题,而且没有考虑到多维变量之间的联系即对结论的影响权值,造成推理结果的误差性更大.多变量规则的模糊插值推理是插值推理研究的重要方面,为了在多变量稀疏规则条件下得到好的插值推理效果,本文提出了一种基于模糊神经网络加权的多维模糊推理方法,为智能系统中的模糊推理提供了一个十分有用的工具.     

基于改进的PCM支持向量描述多类分类器

基于支持向量数据描述和改进的可能性c-均值聚类算法,提出了一种模糊的多类分类学习机.首先通过一个改进的PCM算法来计算每个样本对于每类的权值矩阵,该权值也反映了该样本对某类的重要程度;然后将该权值矩阵应用到支持向量数据描述方法中,并对样本进行训练;最后给出了一个针对多类分类的分类规则(函数),并从理论上证明该分类规则满足贝叶斯优化决策理论.通过对比实验分析,本文提出的算法在分类精度和训练时间上都有较大的改善.     

基于QoS本体的Web服务描述和选择机制

随着Web服务数量的急剧增长,如何从大量功能相似的Web服务中选择具有最好的服务质量(Quality of Service,QoS)的Web服务成为研究的热点.提出了一种基于QoS本体支持QoS的服务选择方法,用QoS本体以及相应的词汇来描述QoS数据,基于以上的工作,提出了一种支持QoS的选择机制,将QoS参数的语义匹配度和数值匹配度相结合,利用归一化算法对不同类型的QoS参数取值进行标准化,最后提出了一个公平的,动态的选择机制和相关实验结论.