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.     

一种基于逻辑的数据集成查询处理器设计

提出一种新的、基于逻辑的数据集成应用方案:用描述逻辑表达中介模式,能实现基于LAV源描述法的虚拟数据集成技术与物化数据仓库技术的无缝结合.在该集成应用框架下,利用Datalog谓词逻辑推理与描述逻辑自动推理相结合的混合推理机制,设计了一个集成查询重写处理算法,并将其作为实现集成系统查询处理器的基础.结果表明,当查询表达和源视图描述规则均为合取形式的规则时,该算法总能返回一个具有最大包含的查询重写,且对源描述规则数目增加不敏感,有较好的线性可伸缩性,能适应大量数据的集成处理.     

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.     

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.     

基于一阶逻辑的非一致性关系数据管理

对于给定的约束,数据库可能是非一致的.为了获得一致性结果,基于一阶逻辑,提出非一致性关系数据管理框架,研究多种合取查询类型对应的连接图及其连接的充分性,分析一致性查询应答的计算复杂度.在查询连接类型是键-键、非键-键或不充分的键-键,且查询对应的连接图是非环的情况下,一致性查询应答的计算在多项式时间内是可解的.针对大量实际的易处理合取查询,给出查询重写算法获得可重写的查询.算法首先判断初始查询是否为可重写,再基于连接图进行递归计算构造一致性识别语句,然后,与初始查询合取产生一个新的一阶重写查询,用于计算一致性结果.对于非环的自连接查询,由于递归重写算法不能剔除非一致性元组,因此,采用初始查询获取了用于剔除违反键约束的非一致性元组的语句.     

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.     

C-SHOIQ:描述逻辑SHOIQ的云扩展

鉴于经典描述逻辑不能表达不确定知识,文中将云模型、描述逻辑SHOIQ和模糊逻辑相结合,提出了一种基于云的模糊描述逻辑C-SHOIQ,用于表达不确定知识.首先给出了C-SHOIQ的语法和语义,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;然后给出了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,并论证了C-SHOIQ和对应的经典SHOIQ之间概念可满足性的一致性关系;最后论证C-SHOIQ是对模糊SHOIQ表达能力的扩展.     

模糊描述逻辑的统计缺省扩展

该文对模糊描述逻辑进行统计缺省扩展,它以模糊描述逻辑为主要框架,将模糊或不精确知识的表示与推理有机地整合在一起,通过在模糊描述逻辑中引入统计缺省推理,构建了一种同时具有TBox,ABox和统计缺省规则的知识库系统.     

基于描述逻辑的概念检索模型

针对当前的概念检索模型存在没有语义特征的词典和缺乏知识库层面上的推理机制等问题,采用具有很强的表达能力和可判定推理功能的描述逻辑来实现概念的扩展检索.设计了一个基于描述逻辑的概念检索模型,并对其核心的推理算法作了进一步扩展,给出了相应算法的数学定义及其知识库的逻辑描述,并据此采用Jena和Racer推理引擎实现了一个基于描述逻辑的汽车导购的概念检索系统,可向用户提供有关汽车的分类、性能、报价等信息.实验结果表明:基于描述逻辑的概念检索模型实现了有效的隐含语义的检索,并通过关联概念联想实现了良好的用户启发和信息导航.     

基于可计算性逻辑的知识表示与推理

以可计算性逻辑的完备子集CL4为基础进行知识表示, 将知识分为简单知识与一般知识. 通过分析知识库系统的特点和需求, 给出了采用正反向混合推理方法的推理机设计, 并举例说明以CL4为基础的知识库系统, 具有能够表达和查询更细致的知识、 便于用户和系统交互的优点.     

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.     

基于XQuery符号表示法的模糊时空数据查询

讨论了模糊时空数据查询的概念,研究了模糊时空数据时态查询、空间查询、属性查询和时空查询的各类查询形式及查询特性,基于XQuery提出了模糊时空数据查询的统一符号表示法,并对典型查询进行了举例说明.此外,还讨论了XQuery模糊时空扩展问题,包括XQuery表达上的扩展、处理上的扩展及体系结构上的扩展.提出的表示法可以表示时空查询语言STQL和移动目标查询语言FTL中规定的各类查询,并可以消除由不同查询表现形式带来的语义混淆,以对各类模糊时空数据查询进行统一表示.     

一个基于模糊逻辑的不确定性推理模型

针对合取运算、析取运算和加权平均运算在求解人机智能化CAPP系统的实际问题时所存在的不足,提出了以权系数为基础的广义模糊逻辑概念.在此基础上,构建了基于模糊逻辑的不确定性推理模型.通过在该模型中引入一组新的函数(即组合函数、匹配函数、传递函数和选择函数),较好地解决了推理中不确定性的匹配与传播这一关键问题,并使用Visual Prolog 5.2智能语言实现了不确定性推理的过程,从而使CAPP系统中模糊工艺知识的获取、表达与应用得以基本实现.     

一种基数可调整的轮廓查询——模糊轮廓

针对轮廓查询的结果随着数据维度的增加而显著增加的问题,在模糊集理论的基础上,提出了模糊轮廓集的概念,量化了不同数据点对轮廓查询的贡献度.以此为基础,通过在模糊轮廓集中取不同的截集达到了准确控制查询结果数量的目的.同时,提出了有效的FSCA算法来求解任意的模糊轮廓,为用户提供δ个数据点,方便了用户的决策.实验分析的结果表明,模糊轮廓查询是一种有意义的基数可调整的新型轮廓查询,FSCA算法是有效的模糊轮廓求解算法,它们共同为用户决策提供了很好的辅助手段.     

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。     

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.     

基于数据流的时间条件占优查询

传统的偏好推理使用权衡增强的条件偏好网络（Tradeoff-Enhanced Conditional Preference Networks,TCP-nets）进行用户的偏好推理，不仅能高效地表示对元组的定性偏好关系并优化用户偏好结果，还能描述每个属性之间的偏好关系，其主要聚焦于关系元组中的单个属性的偏好.但把对条件偏好查询的技术推广到数据流的条件提取却是一个挑战，面临的技术困难主要是对数据流中序列的提取，对提取的序列进行占优查找等.首先，针对偏好数据流，提出一种时间条件查询语言Stream Pref来处理数据流；其次，在Stream Pref中加入时间索引来推理和规范数据流提取序列的时间条件偏好，提出提取对象序列算法、占优对象及占优序列查找算法和数据流序列间占优对比的算法；最后，在数据集上分析验证提出的算法的有效性.实验结果证明，提出的算法与min Top-k,Partition和Incpartition算法相比，得到的结果更准确.     

模糊XML关键字查询方法

在实际应用中数据经常存在不确定性和模糊性,因而对模糊XML数据的关键字查询处理成为一种非专业用户的需求.针对模糊XML数据的关键字查询方法进行研究,对模糊XML的关键字查询语义进行分析,提出一种新的模糊XML文档的编码方法 CDewey,该编码方法能够有效地对节点类型进行区分.在此基础上,提出关键字查询算法FIndex Loop,该算法能够准确求解输入关键字的SLCA结果及结果的可能性值,最后通过实验表明此查询方法的有效性.     

基于相对量词的RDF模糊查询方法

针对RDF含相对量词模糊查询问题,提出支持分组机制的相对量词RDF模糊查询方法.利用语言层次结构理论,构造语言层次结构表,通过在FILTER子句中增加模糊条件并调用GROUPBY和HAVING子句实现特定属性上的分组操作,实现对SPARQL语法的扩展.分析了两种典型情况下的RDF相对量词模糊查询问题,给出将扩展的模糊SPARQL查询转换为标准SPARQL查询的处理方法,从而可利用现有的SPARQL查询引擎完成RDF基于相对量词的模糊查询处理.实验系统及相应的实验结果验证了所提方法的可用性.     

内存数据库查询优化

基于一种广泛接受的内存数据库系统基本概念及内存数据库中的SB-树索引结构，提出了更方便关系代数操作的SB^*-树．在此基础上，提出了优化的关系代数操作的实现算法．根据这些算法和关系代数等价定理，给出了对关系代数查询树进行逻辑优化的规则，并证明了逻辑优化的正确性．最后给出了代价评估模型，实验表明提出的内存数据库查询优化算法相对于传统的优化算法具有更好的时间及空间性能．