可定义的推导关系

证明了有限多扩充性质蕴涵布尔可表达性质，当每个集合都没有多扩充时，推导关系也是Ｂｏｏｌｅ可表达的。缺省推理中的定义方式推广为更广泛的定义模式，此模式所定义的推导关系仍然具有上述性质。应用模型中关于可定义性，无原子Ｂｏｏｌｅ代数等技术证明上述结论。     

析取逻辑及析取逻辑程序的语义研究

在用不完全知识进行常识推理时，常用缺省方式推导结论，然而当缺省否定算子ｎｏｔ被定义成ｎｏｔ ｐｒｏｖｂｌｅ（不可证）时，析取逻辑程序（ａＶｂ，ｎｏｔ ａ，ｎｏｔ ｂ）应该是一致的，因为ａ不可证且ｂ不可证并不意味ａＶｂ不可证，虽然这是一个很重要的事实，但现有主要的析取逻辑程序语义理论却不能支持它。其主要原因是这些理论都基于传统的一阶谓词逻辑，其中否定ａ且否定ｂ将导致否定ａＶｂ，现提出一种支持上述事实     

使用广义奇—超位Ⅱ的一阶定理证明

证明了使用奇－超位Ⅱ的证明系统是不完备的，造成这种不完备性的原因是忽略了幂等规则的使用，通过定义一阶多项式与零的超位，适当地拓广了奇－超位Ⅱ的定义，给出了一个使用这种拓广了的奇－超位Ⅱ的完备了证明系统，此外，这一证明系统也是余式方法的改进，它的完备性实质上也说明了使用语义策略的余式方法是完备的。     

OWL2QL存储与应用

通过对OWL2语法结构和推理方式的分析,提出OWL2基本元素和公理在关系数据库中的存储结构和推理实现方式.将部分推理结果在数据库中进行存储,提高了本体存储和推理的效率,并能对大规模的本体进行存储.通过构建知识管理平台验证了该存储方式的有效性.     

析取稳定模型和大胆辩论推理

将任意析取逻辑程序自然转化为一个辩论推理框架，大胆辩论推理的实现则由所有极大可接受假说刻画，从而提出了一种实现大胆辩论推理的析取逻辑程序系统，并得到了一些有意思的结果，特别是证明大胆辩论推理可由析了稳定语义实现。     

基于析取逻辑程序设计的诱导推理

利用辨论推理模式，将负文字的析取式作为诱导推理的假设，建立了析取逻辑程序设计的一种诱导语义框架ＤＡＳ。它不仅是实现辩论推理（诱导）的一种简单直观语义而且为析取程序的语义了一个统一的框架。特别地，证明了著名的良基语义和ＥＧＣＷＡ等都可以嵌入ＤＡＳ。     

一个模态非单调逻辑

基于一种关于典型与例外的经验模态语义提出一个模态非单调逻辑，给出了它的语义和语形，证明其它全性定理以及它与主要非单调逻辑的关系定理。它直接地形式化非单调推理的直观意义，提供了一种缺省逻辑和自知逻辑的一阶扩展形式，同时具有限制逻辑停顿同称句子的能力，而且在逻辑程序与演绎数据库中有重要应用。     

基于隶属度比较的描述逻辑SHOIQ模糊扩展

语义Web模糊知识的表示和应用经常需要涉及多个模糊隶属度值及其比较的复杂模糊知识描述,但现有的描述逻辑模糊扩展缺乏描述和使用这类复杂模糊知识的能力.文中提出新的描述逻辑SHOIQ模糊扩展SHOIQFC语言.SHOIQFC不仅具有模糊描述逻辑FSHOIQ的全部表达能力,还支持涉及多隶属度值及其比较的复杂模糊知识的表示与推理,拓展了描述逻辑模糊扩展的应用范围.证明了SHOIQFC知识库一致性问题的可判定性并给出Tableau推理算法,为实现语义Web复杂模糊知识的表示与推理提供理论基础.     

π-演算观察等价的推理系统

提出带递归π－演算观察等价的推理系统，并证明了在受卫递归有穷控制子集上的完备性。该系统由推理规则和等式公理两部分组成，其断言采用条件等式的形式，直接刻画了进程项之间的符号互模拟关系。     

基于视觉推理的机器人多物体堆叠场景抓取方法

基于视觉的机器人抓取方法是研究智能机器人抓取问题的重要思路.本文提出了一种基于机器视觉推理的适用于多物体堆叠场景的机器人抓取方法,算法包含了场景理解和抓取规划两个步骤.在第一步的场景理解中,本文的算法包含两个主要部分:视觉操作关系推理和抓取部位检测.在视觉操作关系推理中,本文提出了一种基于深度卷积网络的视觉操作关系网络(Visual Manipulation Relationship Network, VMRN),以对物体和操作关系进行实时推理.在视觉操作关系网络中,通过设计物体对池化层,实现了物体检测和操作关系推理的端对端训练,提升了算法的速度和性能.在第二步的抓取部位检测中,本文提出了基于有向锚点框的全卷积视觉抓取部位检测网络,实现了对物体抓取部位的实时检测,并在康奈尔抓取数据集上取得了目前最高的精度.在抓取规划中,通过结合场景深度信息和抓取部位检测结果,获取当前被抓取物体的抓取点和对应的抓取向量,并通过坐标系变换将Kinect坐标系的抓取向量映射为机器人坐标系的抓取向量,完成当前抓取.实验结果表明,本文提出的机器人抓取方法能够在多物体堆叠环境下按照正确顺序完成抓取任务,并成功抓取目标物体.     

逻辑系统Ln中命题的真度理论

利用势为n的均匀概率空间的无穷乘积, 在n值广义Lukasiewicz命题逻辑系统中引入命题的真度概念, 证明了全体公式的真度值之集在上是稠密的, 并给出了公式真度的表达通式及真度推理规则; 利用真度定义了公式间的相似度, 进而导出了全体公式集上的一种伪距离, 为n值命题逻辑的近似推理理论提供了一种可能的框架.     

逻辑系统L*n中命题的真度理论

利用势为n的均匀概率空间的无穷乘积, 在n值广义Lukasiewicz命题逻辑系统Ln^＊中引入命题的真度概念, 证明了全体公式的真度值之集在上是稠密的, 并给出了公式真度的表达通式及真度推理规则; 利用真度定义了公式间的相似度, 进而导出了全体公式集上的一种伪距离, 为n值命题逻辑的近似推理理论提供了一种可能的框架.     

马尔可夫逻辑网在信息抽取中的应用

提出了一个基于马尔可夫逻辑网的信息抽取方法,将所有记录的分割和记录去重在一个单独的整合推理过程中进行.由于采用马尔可夫逻辑和现有的推理算法,其主要工作是编写合适的逻辑公式,工程量比其他传统方法少得多.实验基于CiteSeer 和Cora这两个引文匹配数据集,其结果要明显优于之前的其他方法,同时也证明了马尔可夫逻辑网模型的精确性.     

语义Web的逻辑基础

分析了目前语义Web理论的研究现状和存在的问题, 分析了用传统描述逻辑作为语义Web逻辑基础的不充分性, 根据语义Web的特点和需求, 提出了一种新的动态描述逻辑DDL, 该DDL将静态知识和动态知识表示与推理有机地整合在一起. 特别的是, 给出了具体的动作描述方法, 并按照传统描述逻辑的语义解释方法给出了动作的语义解释, 从而该DDL形成了一种能同时处理静态知识和动态知识的统一的形式化逻辑框架. 该DDL具有清晰的语义特征, 既提供了可判定的推理服务, 又能有效地对静态知识、动态过程和运行机制进行表示和推理(动作的可实现性和动作之间的包含关系), 因此, 提出的动态描述逻辑DDL可以为语义Web提供合理的逻辑基础, 弥补了传统描述逻辑作为语义Web逻辑基础的不足.     

基于真值的SBL_～公理化扩张系统的计量化

本文首先在带有对合否定的△模糊逻辑系统SBL～中,运用△演绎定理和真值分布,论证了SBL～系统中有效推理的真值关系定理.其次以SBL～系统的公理化扩张Godel～为例,提出了△相似度、△距离,运用真值关系定理论证了△度量空间逻辑算子→,～的连续性,给出了公式与理论间距离的计算方法,从而实现了△模糊逻辑系统的计量化.最后在Godel～系统中提出了3种近似推理模式,并讨论了3种模式之间的关系.     

基于云理论的径流不确定性推理模型研究

针对中长期径流预报中存在许多不确定性因素,本文引入云理论构建径流预报的不确定性推理模型（UR）.首先,该模型应用最大方差方法（MaxVar）对径流序列进行硬性分级,用级别概念表示径流分级区间,以期望（Ex）、熵（En）以及超熵（He）构成的云隶属函数描述径流级别概念的模糊性和随机性,实现分级区间软化,然后将径流量值进行属性转化,以此建立定性推理规则集,运用云算法进行径流不确定推理预报,成功实现径流序列不确定性传递;其次,对径流分级过程中超熵（He）参数确定进行了初探,对推理随机性输出结果进行统计分析,给出相应显著水平下的预报区间;最后,将该模型应用于南方某水库入库月径流预报中,并与广泛应用的最小二乘支持向量机（LSSVM）和ARMA模型进行比较分析,本文模型不仅具有较高的预报精度,而且能够进行区间预报,实例验证说明了模型的有效性和实用性.     

可视化与可视知识的利用

本文讨论了专家系统中推理过程可视化及如何利用具有固有图形表示的知识－－可视知识的问题，提出了具有何视特性的专家系统的一般模型。     

一种基于几何推理的点模式匹配算法

点模式匹配是计算机视觉和模式识别领域中的重要课题, 在图像配准、物体识别、运动检测、目标跟踪、自主导航和姿态测定等方面有着广阔的应用背景. 讨论Euclid变换下不完全匹配情形的点模式匹配问题. 根据几何推理, 给出匹配团、支持点对、支持指标集和指标矩阵等概念以及它们满足的性质和定理. 在此基础上, 提出了一种独特的自上而下地求得最多一致对应点对的推理算法. 理论分析和实验结果表明, 该算法是非常有效的, 并在一定条件下可应用于其他变换下的点模式匹配问题.     

知识推理的一个模型

引入了能描述操不同语言的多agent系统中知识推理的模态逻辑语言及其Kripke语义与Aumann语义 ,为其建立了完备的形式化演绎系统 ;并构造了多agent系统的逻辑的Institution .     

基于模糊神经网络的图像恢复技术

通过分别引入输入与输出空间的合理剖分,定义了一种新的模糊神经网络(FNN), 即选择型FNN, 该系统是一种多层前向网络, 在最大模意义下构成一类函数泛逼近器.基于一组具有实际意义的模糊推理规则, 得出了一个简单实用的推理型FNN. 利用选择型FNN与推理型FNN的有机结合, 得到FNN滤波器, 它不仅结构简单, 易于设计参数学习算法, 而且能同时有效去除图像信号中的脉冲噪声和保持图像结构. 实验结果表明, 与其他滤波器(如:中值滤波, 自适应加权模糊平均(AWFM)滤波等)相比, FNN滤波器在去除各种噪声, 保持图像未污染部分结构等方面性能卓越