二级属性文法的设计

本文给出一个将文法 G 划分为二级文法的算法,并讨论二种构造二级属性文法的方法,这是二级属性计算器乃至整个编译程序自动生成的基础.     

基于属性文法的研究生教育评价系统设计

使用属性文法设计了研究生教育评价系统,非终结符表示一级和二级评价指标,终结符表示输入的数据,文法符号的属性表示相应数据的值,并设计语义规则实现了对这些属性的加工处理,完成了对某一单位研究生培养的评价.该设计方法不仅节省内存空间,而且提高了系统的灵活性.     

用概念图表示规则及其推理方法

利用概念结构理论，将概念图的知识表示方法与规则的知识表示方法结合起来，提出了用概念图表示规则，并讨论了这种知识表示下的推理方法。     

Fuzzy 2型属性文法与Fuzzy属性下推自动机

讨论了２型属性文法与属性下推自动机的关系,进一步给出了Ｆｕｚｙ上下文无关属性文法与Ｆｕｚｙ属性下推自动机,并详细讨论了二者的关系,达到了自动识别Ｆｕｚｙ２型属性文法语言的目的     

Fuzzy属性文法及在心电图识别中的应用

本文基于Ｆｕｚｚｙ半群的观点研究了一种有效的Ｆｕｚｚｙ模式识别方法－Ｆｕｚｚｙ属性文法，并将Ｆｕｚｚｙ上下文无关属笥言语法用来描述心电图信号，从而达到了识别心电图的目的。     

知识矩阵表示

知识表示是一切人工智能算法得以运行的基础,它能够把人类知识表示成机器可以处理的数据结构。本文介绍知识矩阵表示,它可以从知识表示的根本上简化算法的运行过程并提高算法的运行效率。具体地,本文首先将时态推理中的13种区间关系表示转化成5×5矩阵,在此基础上,时态关系演算与传播可以通过矩阵计算获得。然后,将产生式规则的相互关系转化成矩阵,并编码成一个计算公式,它是一个不确定性推理的数学模型。最后,将样本关系表示成矩阵,一次计算就可以获得K值和K个最近邻点,它可以将KNN分类的懒惰学习部分模型化,即转化成数学模型。除此之外,本文展望知识矩阵表示未来的工作,提出知识矩阵表示需要针对不同的应用定义不同的演算方法。     

基于随机文法的骨架结构化表示

针对传统目标骨架多采用图结构表示存在的缺陷,基于描述随机模式的随机文法技术,提出了用随机文法表示目标骨架,其核心是利用随机文法的抗干扰能力解决骨架对噪声的敏感,在随机文法中嵌入骨架权值抓住目标主要的拓扑特征,与传统的图结构对比,它能提高骨架的抗干扰能力,防止目标主要形状的丢失。     

基于SWRL的应急案例库的知识表示及推理方法研究

针对当下在公共社会领域中突发应急事件的信息量庞大,难以为应急决策系统提供快速支持的热点问题,深入研究了基于SWRL的应急案例库的知识表示以及推理方法。首先定义了应急案例库中的相关概念,并采用语义上具有较强能力的OWL(Web Ontology Language)作为应急案例库Ontology构建的基础。然后引入SWRL(Semantic WebRule Language)来进一步构建应急案例库的规则机制并改善OWL在推理能力方面的不足。最后运用SWRL推理规则与Jena推理机对应急案例库中的规则进行了进一步的整合与推理现实。仿真结果验证了SWRL推理规则的有效性与正确性。     

基于模糊Petri网的动态知识表示与推理方法

针对专家系统知识库中的知识具有模糊特性以及知识库需要频繁更新的特点,设计了一种基于模糊Petri网的动态知识表示与推理方法。该方法利用实际环境中的数据,通过学习来调整知识模型的权值、阈值和确信度等参数,从而实现知识库的动态实时更新。此方法同时结合了产生式知识表示方式和神经网络知识表示方式的优点:知识模型结构清晰,参数意义明确;具有学习和并行推理能力。仿真实验结果表明,经过训练调整后的知识模型具有更高的准确度。     

一种能实现专家系统自我检验的知识表示方法

文中介绍知识工程的一种新的知识表示方法。这种方法以不同的知识模式表示来自同一知识源的知识。在专家系统的知识库中构成两个知识体,通过两个知识体互弥补,加强专家系统的功能。     

面向对象的复杂系统诊断知识表达与推理

基于面向对象的知识表达方法,建立了复杂系统诊断知识表达和组织模型,并讨论了诊断系统的推理行为.对应于复杂系统的结构元素的诊断基元是表达诊断知识的基本单元,构成知识库的原型知识库和系统知识库,分别对应于问题领域和具体诊断对象;诊断系统通过消息传递推理引导层间诊断,并基于“假设产生-假设建立”的推理完成基元的层内诊断.     

基于合取知识的推理

本文对近似推理作了一些扩展，使其不仅适合析取类型的知识，而且也适合合取类 型的知识。     

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.     

用属性单值表示的决策表简化算法及属性核计算

为了降低决策表的存储空间,提高计算属性核的效率,提出了一种用属性单值表示的决策表简化算法.给出了条件属性的尺度、权值、属性单值和简化决策表的定义,以及尺度运算、权值运算、每个对象的条件属性值集合转换为一个属性单值的简化运算的严密公式,并通过决策表的可逆定理证明了简化决策表与原始决策表具有相同的信息表达能力.利用该算法简化决策表,条件属性的表达由多维降低为一维,从而有效地降低了决策表的存储空间.实验结果表明,简化决策表属性核的计算效率明显比现有决策表属性核的计算效率高,尤其是对于大型决策表,这种优势更加明显.     

基于区间证据推理的多属性决策方法

针对多属性决策过程中出现属性信息的评估等级以及评估等级信任度不确定问题,提出一种区间证据推理方法。首先,采用区间评估等级以及区间评估等级信任度的形式表达评估信息的不确定性。其次,通过转换公式统一各属性评估的信任识别框架。然后,采用区间证据推理的集成公式集结区间不确定信息,处理评估等级、评估等级信任度和定量属性评估的区间不确定信息的集结问题。最后,采用期望效用理论对方案综合排序。为验证该方法的有效性,以某生鲜电商选择生鲜供应商为例,运用所提方法对区间形式的不确定评估信息进行处理,结果表明,所提方法能够处理属性评估信息的评估等级以及评估等级信任度不确定问题。     

基于VC和VIP的面向对象知识表示

知识表示是人工智能研究的基本问题之一。通过在 Visual C+ +的类中引入Visual Prolog的推理机制提出了一种基于 VC和 VIP的面向对象知识表示方法 ,完善了 Visual C+ +对象的推理功能 ,进一步增强了面向对象的知识表示能力以及 VisualProlog的接口和计算能力 ,并通过实验验证了方法的性能     

一种基于证据表达的缺省推理继承网络算法

缺省推理的继承网络算法在解决常识性推理问题时遇到了新的困难,即不确定性,本文提出了证据表达,最大熵原理和证据继承的三种技术,实现了一种基于证据表达的缺省推理继承网络算法。     

一个采用量化语句的推理方法

在建造一个知识系统时,为了组合证据,常要处理一些含糊语言的问题,本文讨论了采用量化语句来形式化含糊语言的基本原理,在此基础上,着重讨论了采用量化语句来进行不精确推理的方法。