Vague ALC(D):一种基于vague集的模糊描述逻辑

针对普通的模糊描述逻辑使用单个隶属度无法准确表示不精确知识,而且描述逻辑是在抽象层次上描述知识,对实体的数值信息缺乏强有力的表达手段的问题,提出了一种基于vague集并结合具体域的模糊描述逻辑——vague ALC(D).介绍了用隶属度区间来表示模糊知识的vague集,给出了vague ALC(D)的语法和语义,指出了它的推理问题,同时也给出了相应的tableaux算法.vague ALC(D)能够更准确地表示和推理含有数值信息的模糊知识,增强了模糊描述逻辑的表达能力和推理能力.     

面向语义Web的直觉模糊粗描述逻辑

分析了面向语义Web的直觉模糊粗描述逻辑的研究现状和存在的问题,基于(I, T)-直觉模糊粗集理论将直觉模糊描述逻辑和粗描述逻辑进行了集成,即提出了一种新的直觉模糊粗描述逻辑．针对与本体语言OWL 2等价的描述逻辑SROIQ(D),对SROIQ(D)进行了扩充,具体提出了直觉模糊粗描述逻辑IFRSROIQ(D),给出了IFRSROIQ(D)的语法、语义和性质,证明了IFRSROIQ(D)的推理问题（包括知识库可满足性、概念可满足性、概念包含、逻辑推导、ABox一致性推理等）都可以归约到基于完备格的描述逻辑L*-SROIQ(D)上对应的推理．     

语义网中模糊本体的描述逻辑

为了使用语义网上的表达能力强的模糊知识来表示、推理模糊本体,我们将提出一种新的基于描述逻辑的模糊扩展,称之为带比较表达式的模糊描述逻辑（FCDLs）。FCDLs的语法和语义有标准化的定义,并且,FCDLs的公理和断言也有明确的指定。FCDLs结合模糊描述逻辑（FDLs）的模糊概念和扩展的模糊描述逻辑（EFDLs）的削减概念。因此,FCDLs可以使用语义网上的模糊知识来表示、推理模糊本体。     

一种模糊时空描述逻辑F-ALCT(D_(fst))

为了实现语义Web中模糊时空知识的表示与推理,提出了一种支持模糊时空具体域的模糊描述逻辑F-ALCT(D_(fst)).首先,构建了包含模糊时空区域及其时空拓扑谓词的模糊时空具体域D_(fst),给出了两个模糊时空区域之间的拓扑关系模糊度的计算方法.然后,将D_(fst)和时态操作符引入到模糊描述逻辑FuzzyALC中,构建出一种新的模糊描述逻辑F-ALCT(D_(fst)),并定义了其语法、语义和知识库.最后,给出了一个F-ALCT(D_(fst))的知识库实例.F-ALCT(D_(fst))有效地实现了语义Web中模糊时空知识的表示.     

基于CBR推理的DFL-Agent商务谈判系统及其案例库设计方法

针对商务谈判信息具有的动态模糊性特点,将动态模糊逻辑技术应用到基于CBR推理的Agent商务谈判系统中,以实现动态模糊数的知识表示、处理和基于CBR推理的商务谈判过程。文中阐述了CBR推理过程、系统的模型结构、功能以及案例库的设计,给出了一种改进的相似度计算方法,最后提出了一种基于CBR推理的商务谈判中动态模糊问题的新方法。     

一种扩展的模糊描述逻辑

为了提高对复杂模糊信息的表示能力,提出一种扩展的模糊描述逻辑.扩展模糊描述逻辑引入模糊概念和模糊关系的截集形式作为原子概念和原子关系,继承经典描述逻辑中的概念构造器和知识库形式,建立新的知识表示逻辑体系.定义了扩展模糊描述逻辑的语法结构、语义解释、知识库形式以及基于可满足性的推理问题.通过与模糊描述逻辑的比较,阐述了模糊描述逻辑可转化为扩展模糊描述逻辑,从而例证了扩展模糊描述逻辑具有比模糊描述逻辑更强的表达能力.     

形式概念分析在基于事例推理中的应用

目的形式概念分析(Formal Concept Analysis,简称FCA)在基于事例推理(Case-basedReasoning,简称CBR)中的应用为完善领域知识的分类提供了一种有效的方法;FCA提供了一种事例的组织方式,使对事例库的直接访问变得容易。方法把原来的事例表示与组织方式转换成FCA所要求的形式。结果FCA可以提取嵌入在事例库中的隐含知识,这些以描述事例属性间的依赖规则形式的隐含知识可以用来帮助完成CBR的查询过程。结论FCA在CBR中的应用提高了事例检索的速度和结果的准确性。     

基于事例推理的质量故障处理系统设计

在CBR(Case-Based Reason ing)中高速、有效地完成事例的检索,对问题求解的性能有直接影响,当知识库中事例足够多时,事例匹配可能变得简单,但检索的目标却更难达到。为此,以质量管理系统的设计与开发为背景,提出了一种基于事例推理的质量故障处理方法,给出了基于双库结构的质量故障处理系统的总体结构。该设计采用事例推理方法实现故障处理事例的模糊表示,并利用模糊贴近度完成相似处理事例的检索,所描述的事例表示和检索具有很好的实用价值,可使以往的经验及专家知识得以继承,同时有利于质量故障的准确、快速处理。     

基于描述逻辑的可扩展的案例表示及检索研究

案例推理(CBR)与领域知识的结合是CBR近年来的研究热点之一,不同的知识表示方式对CBR系统性能产生不同的影响。在分析传统知识表示与CBR结合不足的基础上,提出了一种可扩展的基于描述逻辑(DL)的案例表示模型,并给出了相应的案例检索算法。此模型强调在CBR系统中领域知识主要是为案例检索及修正服务,对领域知识的使用程度应根据CBR的实际需求和应用背景来确定,在保持了CBR系统优点的同时,也提供了一种灵活使用领域知识的手段。     

基于描述逻辑的ODMG对象数据模型表示与推理

在描述逻辑ALCQI(D)基础上,将ODMG面向对象数据模型转换为描述逻辑ALCQI(D)表示的知识库,借助描述逻辑ALCQI(D)的推理能力,将面向对象数据模型的类可满足性、类包含关系、类冗余性、模式蕴含性等验证问题转化为相应知识库的推理问题,并证明这些推理问题的正确性.     

OWL DL的知识表示与推理研究

语义Web的逻辑基础是描述逻辑,其出现的目的就是为了解决机器和人对知识理解的问题,因此,可以在语义Web的基础上展开推理。传统的推理系统结合语义Web可以克服知识表示方面的缺点,并且有利于知识的共享。探讨了OWL DL作为知识表示形式的优点;通过实例验证了OWL DL关于描述逻辑的推理。     

基于时间区间关系的时态模糊描述逻辑研究

针对传统的模糊描述逻辑对随时间变化的不精确知识缺乏表达能力,运用时态逻辑,结合模糊计算,提出了基于时间区间关系的时态模糊描述逻辑—TFDL(IntervalAllen).引入Allen区间关系用于表示时间区间关系,并给出了TFDL(IntervalAllen)的语法和语义.该逻辑形成的系统增强了不精确知识的时态关系的表达能力.     

面向agent的统一知识表示与推理逻辑框架

agent设计的坚实理论基础必须建立在知识表示和推理的理论之上.针对目前逻辑理论模型及行为理论模型的不足,提出以描述逻辑及其扩展来描述agent的静态、动态及不确定性知识等信念知识,结合描述逻辑与行为理论进行动作描述;并与认知逻辑相结合构成一个信念知识混合系统认知描述逻辑(EDL),以弥补描述逻辑在过程规则表示方面的不足.给出了EDL的语法及语义以及公理系统,构建了一个面向agent的统一的知识表示和推理逻辑框架.     

能处理分层信度知识的描述逻辑PB-SHOIN(D)

对描述逻辑SHOIN(D)进行扩展, 提出一种能处理分层信度知识的描述逻辑PB-SHOIN(D), 给出了PB-SHOIN(D)的语法和语义, 并证明了PB-SHOIN(D)具有超协调性和非单调性, 为表示和处理语义Web中具有分层信度的知识提供了一种有效方法.     

模 糊 择 优 逻 辑 的 数 值 扩 充

提出一种新的模糊逻辑数值模糊择优逻辑, 给出了数值模糊择优逻辑的语法和语义, 并研究了其性质. 该逻辑结合多值逻辑和择优推理的语义特点, 得到的推理关系具有模糊性、 次协调性和非单调性, 且知识的模糊性能以数值的形式显式地表现, 适用于对智能系统中的不精确、 不一致和不完备知识进行表示和推理.     

基于描述逻辑的语义Web服务动态复合推理和验证

描述逻辑具有良好的知识表示能力和强大的推理能力,AI规划具有良好的行为状态变化建模能力。将描述逻辑与AI规划相结合,提出一种基于描述逻辑的语义Web服务动态复合机制,并对其进行逻辑证明。     

Cloud-SHOIQ: 描述逻辑SHOIQ的云扩展

经典描述逻辑是本体的重要表示方式,但不能表达不确定知识.分析了扩展描述逻辑表达不确定知识的研究现状及存在的问题,通过结合云模型(Cloud model)、描述逻辑SHOIQ及模糊逻辑提出了一种基于云的模糊描述逻辑C-SHOIQ表达不确定知识,给出了C-SHOIQ的语法、语义,并以实例分析了C-SHOIQ具有处理知识的随机性和模糊性的能力.给出了C-SHOIQ的推理方法,及映射C-SHOIQ知识库为经典SHOIQ知识库的改进规则.分析说明了C-SHOIQ是对模糊SHOIQ表达能力的扩展.     

模糊描述逻辑f-DLR-Lite∩的合取查询回答

分析了描述逻辑合取查询回答的研究现状及存在的不足,在描述逻辑DL-Lite和模糊集理论的基础上,提出了一种可表示和处理n元关系,并允许在包含公理左侧出现概念合取的新的模糊描述逻辑f-DLR-Lite∩,并给出其语法和语义及知识库的形式.提出了一种兼容查询阈值和用户指定权重的模糊查询语言,给出了利用这种语言在f-DLR-Lite∩知识库上进行合取查询的具体步骤和算法,并进行了算法时间复杂度分析,讨论了该合取查询过程的一阶逻辑可归约性.f-DLR-Lite∩弥补了经典描述逻辑在知识表示和推理上的不足,扩展后的查询语言对用户查询意图的表达更加精确合理.     

基于模糊描述逻辑的模糊UML类图形式化

由于UML难以表示现实世界中存在的大量不确定和模糊的信息,因此前人提出了模糊UML。与UML类似,模糊UML是半形式化语言,缺乏精确的语义。为解决这一问题,提出一种用模糊描述逻辑形式化表示模糊UML类图的方法,扩展模糊描述逻辑f-SHOIN(D)为其逻辑基础,详细描述模糊UML类图中的类、属性和各种关系转化为模糊描述逻辑表达的形式化过程,最后用实例证明该方法是可行的。