基于可信度本体模型及不确定性推理的情境感知应用

为增强本体对不确定性知识的表示与推理支持,将可信度方法与本体模型相结合,提出了一种基于可信度的本体建模与不确定性推理方法,根据证据源的可靠性修正知识的可信度值,并通过改进结论不确定性合成方法,使推理结果更加符合客观实际. 家庭远程健康监护系统的应用实例分析表明该方法是可行、有效的.      

不确定性在推理过程中传播的行为特征

在布尔算子模糊逻辑中，证明了前提的不确定性在推理过程向结论传播时，恒真水平呈递增趋势，而恒假水平保持不变的特性，从而在定性的意义上说明了随着推理过程的深入，结论的不确定性将会越来越分明，但其可靠性不可能有根本性的提高。     

基于产生式系统的不确定性知识表示及推理研究

不确定性知识表示及推理是人工智能研究领域的重要内容之一。通过对不确定性知识表示及推理的问题的探讨，提出了不确定性知识程度（Uncertainty Knowledge Degree，UKD）的表示法，为提高不确定性推理结果的可信度提出了一些新的技术和方法，并通过实例验证了本方法的可行性和有效性。     

基于双参数方法的故障诊断不确定性推理问题

不确定性推理问题是专家系统需要解决的基本问题之一,已有的不确定性推理方法在规则的应用要求、加权推理及规则参数获取方法方面具有局限性。该文在分析、归纳、总结不确定性推理相关问题的基础上,提出了基于充分性参数和必要性参数的不确定性推理方法。该方法能够表示具有复杂不确定性加权关系的诊断规则,并且能够根据规则的约束条件,通过数值计算获取规则的不确定性相关参数。该方法在已开发的诊断型专家系统中得到了应用,经验表明该方法是行之有效的。     

利用Petri网模拟基于属性的不确定性推理

本文主要介绍了如何使用Petri网来实现基于属性的不确定推理。并且在一般Petri网的基础上进行改进，分别使用了模糊Petri网和模糊着色Petri网来进行实现。并且用一个具体的例子显示了Petri网的运行过程。     

基于GIS技术与不确定性推理的农业专家系统

通过阐述GIS技术与专家系统相结合的概念，提出了基于贝叶斯概率的一种专家算法，对其设计与实现过程进行了初步探讨，并介绍了由此引出的农业专家系统中不确定推理的一种具体算法——权值法。     

专家系统中不确定性推理平行组合算法的分析与比较

讨论专家系统中不确定推理之平行组合算法的设计问题，提出这些算法应满足的约束条件，对现有的一些平行算法作了分析与比较，指出文中的算法４更为合理．     

基于支持向量数据描述和不确定性推理的单类隐写分析算法

单类隐写分析较传统的二类隐写分析有更好的"盲"检测特性和更强的通用性。针对单类隐写分析可靠性较低的问题,将不确定性推理理论应用于隐写分析中降低不确定性因素对单类隐写分析可靠性的影响,提出了一种基于支持数据描述和不确定性推理的单类通用隐写分析算法。实验表明,算法具有较好的可靠性、鲁棒性、通用性。     

基于谓词推理的冲突检测算法

针对基于策略的网络管理系统中, 由于不同用户的需求不同及系统的资源限度等原因, 导致策略之间的冲突及系统功能无法正常发挥的问题, 提出一种基于谓词推理的冲突检测算法.  该算法通过谓词表达策略的触发条件和作用效果, 并通过推理自动化地获得策略之间的冲突关系, 与传统方法相比具有较好的灵活性和可扩展性.     

基于双重不确定性理论的水资源决策系统研究

建立一个不确定情况下多重区间参数随机模糊模型D IMSFSP,研究不确定情况下的水资源管理,运用区间参数和概率分布实现对不确定情况的定量分析.从而更合理地表达水资源系统实际情况,为行政管理机构水资源管理问题提供可靠的决策依据.     

基于区间证据推理的不确定性航线配船方法

为弥补不确定性航线配船模拟算法的不足,提出一种基于区间证据推理的航线配船解析算法.该方法以证据推理理论为基础,以船舶公司期望效用最大化为目标,考虑航线特征及船舶属性等因素,构建出一个多航线、多船型的航线配船模型.与目前的模拟算法相比,该方法具有稳定性好、准确性高、可以处理模糊数据等优点.最后,通过算例验证了模型的可行性和方法的有效性.     

一种基于证据推理的似然推理算法

似然推理是知识工程研究的主要课题之一。目前已有计多似然推理体系被应用在各种专家系统中。证据理论是八十年代被引入到知识工程研究中的似然推理理论,现己受到高度重视。本文提出一种基于证据理论的似然推理算法,它可以充分发挥证据理论的优点。     

基于支持向量数据描述和不确定性推理的单类隐写分析算法研究

单类隐写分析较传统的二类隐写分析有更好的"盲"检测特性和更强的通用性。针对单类隐写分析可靠性较低的问题,将不确定性推理理论应用于隐写分析中降低不确定性因素对单类隐写分析可靠性的影响,提出了一种基于支持数据描述和不确定性推理的单类通用隐写分析算法。实验表明,算法具有较好的可靠性、鲁棒性、通用性。     

大规模网络广义社区发现随机变分推理算法

流行度-生成度随机块(popularity-productivity stochastic block,PPSB)模型能发现网络广义社区,但该模型易过拟合,且不能有效处理大规模网络,故提出一个3层贝叶斯网络广义社区发现(generalized PPSB,GPPSB)模型,并给出实现大规模链接网络和内容网络广义社区发现的随机变分推理(stochastic variational inference,SVI)算法GPPSB-SVI和GPPSB-C-SVI。不同规模人工网络和实际网络上的实验结果表明:GPPSB-SVI准确性优于已有流行大规模网络社区发现算法,效率高于基于PPSB模型的广义社区发现算法;GPPSB-C-SVI准确性优于GPPSB-SVI算法;GPPSB模型引入节点隶属度和类间链接概率矩阵的先验分布,可更好地对网络建模,其参数估计算法GPPSB-SVI、GPPSB-C-SVI可更有效地实现大规模网络广义社区发现。     

基于随机森林和转导推理的特征提取方法

提出一种基于随机森林和转导推理的特征提取方法,步骤如下:1)利用带标签的训练样本建立随机森林模型;2)将无标签的测试数据导入随机森林模型中,生成全体数据(训练样本和测试数据)的相似性矩阵;3)对该相似性矩阵进行多维尺度变换得到全体数据的低维数据表示,即低维特征,使得原高维数据在低维空间中具有更好的可分性.UCI数据库的实验结果表明:与主成分分析方法相比,该方法将无标签测试集的数据分布信息转移到相似性矩阵中,更好地刻画整个样本空间上的数据分布特性,从而提高分类器的性能,是一种行之有效的特征提取方法.最后还讨论了特征提取维数对模型准确率的影响,为实际应用提供参考.     

基于矩阵分析的一种不确定性推理的数据融合方法

采用不确定性推理的矩阵分析方法，建立了用于目标识别的多传感器数据融合的数学模型。该模型综合了来自多种不同传感器的基于正态分布的检测数据，通过定义相关系数矩了来获取基本可信度分配值矩阵。提出了一种多传感器信息融合的新算法，该算法依靠可信度的积累，通过多级递推融合可获得目标状态基于全局信息的融合估计值。实例分析表明：基于融合后的识别结果较各传感器单独决策的结果性能优化，具有较强的容错性和有效性，并且不确定值较融合前平均下降了74%，从而可精确快速地控制工业生产。     

基于物理过程描述的诊断推理

本文提出了一种基于对复杂系统中各种相关过程描述的诊断知识模型.该模型具有如下几个方面的特点:a.它是一种基于复杂系统中各种相关的物理过程描述的较深程度的知识模型;b.它是基于约束传播原理,采用定性推理和定量计算两种方式,实现对各子系统的正常与异常行为的描述;c.它本身包含了复杂系统中多种因果关系知识.文中以发动机化油器为具体诊断对象,讨论了该模型的实现与应用中的有关问题.     

SQL实现Bayesian网的不确定性推理

不确定性推理是人们常用的一种推理,Bayesian网是进行不确定性推理的有力工具,提出了扩展关系模型,并在扩展关系模型中用SQL（结构询问语言）语句实现Bayesian网的不确定性推理。     

基于CASE推理的排样算法

优化排料的目的是根据给定待排样品对板材进行最优切割使得板材的利用率尽可能的高。本文提出一种基于ＣＡＳＥ推理的优化排样算法，基本思想是对每块板材的布局都进行ＣＡＳＥ推理，选取ＣＡＳＥ中的最佳布局，若没有相应的ＣＡＳＥ、则调用启发式算法搜索。算法不但避免了组合爆炸，加快了排料速度，而且具有满意的材料利用率。实际应用表明算法是成功的。