系统L中公式相对于有限理论的∑Γ-真度理论

将模糊命题逻辑中的∑-α-重言式理论与计量逻辑学中的真度理论相结合,在经典二值命题演算系统L中引入了公式相对于有限理论的∑Γ-真度理论,较为详细地讨论了它们的性质,并利用∑Γ-真度的性质在公式集F(S)上引入了ρΓ-伪距离,对原有的理论进行了加强和补充,为在模糊命题逻辑系统的有限理论中讨论结论的程度化问题奠定了基础。     

系统L中公式相对于有限理论的∑Γ-真度理论

将模糊命题逻辑中的∑-α-重言式理论与计量逻辑学中的真度理论相结合,在经典二值命题演算系统L中引入了公式相对于有限理论的∑Γ-真度理论,较为详细地讨论了它们的性质,并利用∑Γ-真度的性质在公式集F(S)上引入了ρΓ-伪距离,对原有的理论进行了加强和补充,为在模糊命题逻辑系统的有限理论中讨论结论的程度化问题奠定了基础.     

根与F（S）中的近似推理

基于一组公式集的根的理论与公式的真度理论，讨论了二值命题逻辑系统L，Fuzzy命题逻辑系统L^*中根与命题集的发散度、相容度之间的内在联系，重点论述了其在F（S）的近似推理误差分析中所起的作用．     

命题逻辑系统Ln中公式相对于有限理论的∑г-模糊真度理论

将模糊命题逻辑系统中的∑-（α-重言式）理论与计量逻辑学中的真度理论相结合，在n-值Lukasievicz模糊命题逻辑系统Ln中引入了公式相对于有限理论的∑г-模糊真度理论，讨论了其中的主要性质。特别地证明了真度关系：τг（A）＋τг（A—B）≤1＋τг（B），并利用这一关系在模糊命题演算系统Ln中的公式集F（S）上引入相对于有限理论的Г-伪距离，从而为在模糊命题逻辑系统Ln中建立相对于有限理论的近似推理框架奠定了基础。     

二值命题逻辑中的蕴涵度量与近似推理

在二值命题逻辑系统中引入公式的真度、条件真度和蕴涵真度概念,为二值命题逻辑系统的程度化研究和近似推理提供了数值化工具.为了讨论基于真度、条件真度和蕴涵真度的近似推理模式的关系问题,以真度概念为基础,在二值命题逻辑系统中引入蕴涵度量概念,并通过蕴涵度量的真度表示式,给出了与有限理论相关的分别基于真度、条件真度和蕴涵真度的伪距离的蕴涵度量表示式,证明了分别基于真度、条件真度和蕴涵真度的近似推理问题可以转化为基于蕴涵度量的近似推理讨论,并给出了蕴涵度量在近似推理中的应用,为二值命题逻辑系统的基于不同真度的近似推理研究提供数值化方法.     

命题逻辑系统(L)n中公式相对于有限理论的∑Γ-模糊真度理论

将模糊命题逻辑系统中的∑-(α-重言式)理论与计量逻辑学中的真度理论相结合,在n-值Lukasievicz模糊命题逻辑系统(L)n中引入了公式相对于有限理论的∑Γ-模糊真度理论,讨论了其中的主要性质.特别地证明了真度关系:τΓ(A) τΓ(A→B)≤1 τΓ(B),并利用这一关系在模糊命题演算系统(L)n中的公式集F(S)上引入相对于有限理论的Γ-伪距离, 从而为在模糊命题逻辑系统(L)n中建立相对于有限理论的近似推理框架奠定了基础.     

模糊逻辑的紧致性与模糊理论相容度

为了得到一般理论的相容度函数,利用不同的模糊系统的共同性质——模糊系统的紧致性,基于相容、不相容和全发散理论的性质以及发散度的概念,主要在二值逻辑系统和L*命题逻辑来讨论理论的相容度问题,对有限命题集的相容度函数给出自然的推广,得到一般的命题集的相容度函数,并讨论了相容度函数的性质。     

基于格值命题逻辑系统LP(X)的不确定性推理

讨论了基于格值命题逻辑系统LP（X）的不确定性推理，证明了FMP和FMT等不确定推理规则，为进一步讨论语言值逻辑推理提供逻辑基础。     

基于元素干扰S-粗集知识的推理-识别

利用数理逻辑中命题逻辑的形式,给出元素干扰与关系因子的逻辑推理表示,然后给出知识系统受到外部因素干扰时,知识的逻辑推理表示,以及S-粗集的逻辑推理表示,给出知识的动态推理与识别定理,S-粗集的动态推理与识别定理。解决了元素干扰对系统进行干扰时,S-粗集知识的动态推理与识别问题。     

■ukasiewicz命题逻辑系统中的赋值决定公式问题

为了在经典逻辑学中建立Fuzzy分离规则的推理模式,Zadeh提出了赋值决定公式问题(VDF问题),并已于二值命题逻辑以及Lukasiewicz三值和p 1值命题逻辑中得到解决.文中在更一般的Lukasiewicz命题逻辑系统中建立了VDF问题的求解理论,首先给出了一般的Lukasiewicz命题逻辑系统中VDF的合理性条件,其次构造性地解决了Ln、La和Lc中的VDF问题.     

最小-蕴涵模糊推理模型的连续性

把泛逻辑学引入模糊系统,基于泛逻辑算子,在模糊空间中定义一种新的模糊距离,引入模糊推理模型连续性的定义,给出最小-蕴涵模糊推理模型为连续模型的充要条件.     

从逻辑全知问题认定看当前基于逻辑的agent研究的两个认识盲点

通过对当前逻辑全知问题的认定过程进行仔细的分析和严格的逻辑论证后发现,这一结论的得出主要来源于人们关于模态逻辑用于agent研究的两点模糊认识.在此基础上进一步指出,如果承认逻辑推理的过程意义,并且不用意识系统的特征来约束逻辑系统,那么就不会有真正意义上的逻辑全知问题存在.该结论无疑对当前基于模态逻辑的agent形式化研究具有十分重要的意义.     

逆P-集合与信息智能融合挖掘-发现

逆P-集合是一个新的动态数学模型, 它是把动态特性引入到有限普通集合X内, 改进有限普通集合X被提出的。逆P-集合是由内逆P-集合F与外逆P-集合构成的元素集合对。或者, (F,)是逆P-集合, 逆P-集合具有动态特性。在一定的条件下, 逆P-集合被还原成有限普通集合。逆P-集合具有P-集合相反的动态特性。逆P-推理是逆P-集合生成的一个动态推理。利用逆P-集合, 逆P-推理, 本文给出信息智能融合生成, 信息智能融合度概念, 给出信息智能融合挖掘-发现与信息智能融合挖掘-发现定理, 给出挖掘-发现准则。最后,利用这些结果给出信息智能融合挖掘-发现的应用。     

设计与实现计算机推理软件的研究

计算机专家系统是计算机推理软件的典型代表 .本文提出了一种设计与实现计算机推理软件的方法 .该方法将领域理论、知识、经验转换成计算机能够存储、表示和应用的知识库 ,该知识库的内容通过知识转换器完成对知识的识别、分析、数据收集、编码处理、地址分配等 ,随后转换产生用于逻辑推理数据形式的知识规则库文件 .在知识规则库文件的基础上建立一个独立的推理执行系统 ,它采用精确推理的方法 ,依据由知识转换器产生的知识规则库文件 ,实现相应的推理结构确定的逻辑控制 .论述了计算机推理软件的设计思想、总体设计及其特点 ,并介绍了采用计算机编程语言的实现方法     

论法律推理中的主体因素——兼谈法律逻辑学的研究视角

适用法律的推理,既要遵从和运用人类思维共通的逻辑规则,也需考虑诸多与推理相关的实质性问题。在这一过程中,人的主体因素必定会渗入其间,并影响最终的推理结果。多重主体因素渗入法律推理过程,有正反两方面的效应,但这是排除不了、甚至不可缺少的。因此,对法律推理的研究,应将推理涉及的实质内容和人的主体因素及其影响纳入视野,建立起人的研究维度。法律逻辑学研究视角的调整,对其自身乃至整个现代逻辑的发展具有重要意义。     

基于本体的信息检索模型研究

在传统的信息检索模型中，由于档逻辑视图和用户信息需求逻辑视图不能有效地代表档和用户信息需求，所以尽管根据逻辑视图的特点选取了合适的排序函数，但检索性能总是不能令人满意．提出基于本体的信息检索模型，使用较好的兼顾了知识表达能力和推理效率的描述逻辑来构建本体，利用tableau算法和只含有原子角色情况下个体间的等价关系分别生成概念集和个体集的商集，从而得到具有语义的索引项集合，利用这些具有语义的索引项来生成较好地反映档和用户信息需求语义的档逻辑视图和用户信息需求逻辑视图；由于逻辑视图能够有效地代表档和用户信息需求，再根据逻辑视图的特点选取合适的排序函数，从而可以使检索性能大大提高．     

查新结论的表述

查新结论是科技查新报告中的重要组成部分。为了保证查新结论的准确性,对比分析要有针对性,应围绕查新点进行;新颖性评价要客观,应以文献为依据;结论描述要规范,符合逻辑思维规律,对所查证的技术内容应明确作出是否具有新颖性的结论。     

基于粒计算Rough集模型的逻辑推理应用研究

讨论了粒计算理论信息粒子的构成,结合Rough集知识模型给出了信息决策系统不确定性推理的粒计算公式及其过程.针对水产养殖中鱼病诊断信息的模糊性、随机性等不确定特点,通过鱼病症状集形成条件属性粒子、疾病集形成决策粒子而构成的模糊信息决策表,描述出主要逻辑推理算法,即鱼病诊断的规则获取过程,促进粒计算理论应用,同时也为鱼病诊断领域提供了新方法.     

逆P-等价类的逆P-推理分离-还原

 逆P-集合是把动态特性引入到有限普通集合X内(Cantor set X),改进有限普通集合X被提出的。逆P-集合是由内逆P-集合F与外逆P-集合构成的集合对;或者,(F,)是逆P-集合。逆P-集合具有动态特性。逆P-推理是逆P-集合生成的一个动态推理,它是由内逆P-推理与外逆P-推理共同构成的。利用逆P-集合和逆P-推理, 给出逆P-等价类、内逆P-等价类和外逆P-等价类概念,逆P-等价类与普通等价类的关系,逆P-等价类的逆P-推理分离-还原与分离-还原定理。在静态-动态条件下,普通等价类是逆P-等价类的特例,逆P-等价类是普通等价类的一般形式。     

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．