基于广义归纳逻辑因果模型的知识发现与算法实现

以语言场、广义细胞自动机和广义归纳逻辑因果模型为理论依据，分析了广义因果联系类知识的发现机理，给出了因果联系类知识发现的实现算法。该算法为解决具有随机不确定和模糊不确定性特征的因果联系类知识的发现提供了行之有效的方法。通过算法的运行实例，验证和说明了算法的正确性和有效性。     

广义细胞自动机与广义归纳逻辑因果模型

在勃克斯（Ａ．Ｗ．Ｂｕｒｋｓ）构筑的描述因果世界的细胞自动机的基础上（属归纳概率逻辑范畴），提出了可综合处理随机不确定性与模糊不确定性的广义细胞的自动机与相应的广义归纳逻辑因果模型，解决了原模型中未曾解决的主因判定与因果扰动响应的问题，并找到了它在智能控制中的应用。     

多值动态不确定因果图的推理算法研究

利用领域知识求解多值动态不确定因果图的联合概率分布所涉及的领域因果图的概率分布表达式构造难度大，针对这一问题，从2类因果循环图出发，提出一种基于图分解的推理算法。该算法极大地简化了全局概率分布表达式的构造过程，有效地降低了领域因果图概率分布表达式构造的难度。提高了多值动态不确定因果图的推理效率。     

基于均衡关系模型的因果方向推理

基于回归误差的因果推理方法(RECI)能够通过比较两个备选关系模型的拟合误差来推理变量间的因果方向,然而其并未指出如何选择合适的关系模型。针对如何设计因果关系模型来匹配两个变量间关系的问题,提出均衡模型推理因果方向定理,并基于此定理设计推理因果方向的方法。实验结果表明,新方法的准确率胜过RECI方法,且优于所有7种对比方法。     

Cloud-ALC:描述逻辑ALC的不确定扩展

描述逻辑是本体的重要表示方式,但只能处理严格的确定性知识,并不能处理自然界中广泛存在的不确定知识。通过对最基本的描述逻辑ALC进行扩展,提出了能够处理不确定知识的基于云模型不确定描述逻辑Cloud-ALC,给出了Cloud-ALC的语法和语义及其蕴涵推理关系。实例分析说明Cloud-ALC可以为扩展本体描述语言以能够处理不确定知识提供语义支持。     

不确定因果理论的基于模型诊断

给出当待诊断系统的模型为不确定因果理论时 ,基于模型诊断和模型中心诊断等概念 ,论证基于模型中心诊断与 U -S本原蕴涵 /蕴涵式的直接关系 ,并且根据知识不确定程度对候选诊断进行排序 .指出对经典因果理论基于一致性中心诊断和中心溯因诊断的刻划仅仅是文中刻划的对应诊断的两个特殊情形     

基于BIM和规则推理的施工进度计划自动编排

进度计划是施工管理、施工过程模拟的重要依据,自动生成进度计划能够提高编制准确性和效率.但是,现有相关研究大多采用基于案例或模板的方式,无法实现项目的 精确匹配,且仅考虑了空间上的约束关系,未梳理详细的知识规则.该研究面向建筑工程中常见的装配整体式项目,分解适用于进度计划自动生成的施工基本活动,建立编码体系,分析各类构件...