贝叶斯网络在故障诊断中的应用

贝叶斯网络适用于表达和分析不确定性和概率性的事物,由于具有能够对不完全、不精确或不确定的知识或信息作出有效的推理等特性,而成为目前不确定知识表达和推理领域最有效的模型之一。     

基于可信度方法的甲状腺疾病诊断模型

研究并设计了一个基于可信度方法的甲状腺专家系统不确定性推理模型,在该模型中对甲状腺知识的表示、推理控制策略的选择、不确定性算法的建立进行了具体详细的研究,使文中所研究的不确定推理方法得以实现.讨论了可信度模型,给出了不确定性推理网络的算法描述,并且将理论研究的结果运用于甲状腺专家系统模型框架的设计和实现,对不确定性推理的应用进行了有益的探讨.     

融合多特征信息的模式识别方法

研究在有不确定知识的情况下,融合多种类特征信息的模式识别方法.首先用模糊逻辑表示关于对象的具有不确定性的经验知识,通过模糊推理可由特征得到关于对象的用基本概率分配函数表示的具有不确定性的模式分类信息.然后利用D-S证据推理的方法最大程度地消除其不确定性,得到对象的最终分类结果.仿真结果证明,该方法对处理具有多种类特征且带有不确定性知识的一类模式识别问题是有效的.通过将模糊推理方法与证据理论的结合能有效利用多种特征的不确定知识对目标进行分类.     

不确定性推理

专家系统主要由知识库和推理机组成由于知识带有模糊性、随机性、不确定因素．所以由不精确的知识进行推导，得到所需要的结论成为专家系统中的一个重要研究内容．本文探讨高级知识推理方法的一种即不确定性推理．     

多源地学信息的自动综合研究综述

地学信息普遍存在模糊性、多解性、不确定性和不完备性,传统的一些方法不能有效地综合各种地学信息,开展空间推理、多源地学信息的表达研究是实现计算机空间数据特征信息的自动综合的关键,也是实现GIS智能综合的关键所在.     

不确定性知识的定性表示、推理及其应用——定性概率网研究综述

 贝叶斯网是不确定性知识表示和推理的有效框架,定性概率网是贝叶斯网的抽象表示,它简化了不确定性知识的表示,加速了不确定性知识的推理.近年来,定性概率网成为了不确定人工智能和知识发现领域的一个重要研究方向.分析总结了目前定性概率网的挑战和研究成果,主要包括定性概率网的知识表示、推理及应用3个方面.表示方面,概括了定性影响、定性加协作、定性乘协作和原因间影响,并探讨了定性概率网表示机制存在的问题及主要解决方法;推理方面,描述了推理算法,探讨了定性概率网推理冲突问题,分析比较了解决推理冲突的主要方法;应用方面,概括了基于定性概率网的知识发现和决策支持的主要方法.此外,基于对现有研究成果的分析总结,也指出了定性概率网相关方面进一步研究的问题及重点.     

专家系统中不确定推理模型研究

根据现有不确定推理模型的组成和推理特征,抽象归纳出一种基于产生式规则的不确定推理模板模型。该模板模型具有合理的组成框架结构和接近人类专家推理方式的工作过程。该模型可以帮助我们对不确定推理模型的不确定性知识表示和推理机制进行分析比较。     

基于主观Bayes方法的不确定推理算法实现

不确定推理是指建立在不确定性知识和论据基础上的推理。本文设计了基于主观Bayes方法的不确定性推理算法,通过实验结果比较了结论不确定的合成算法与更新算法的一致性,实现了不确定推理问题求解的自动化。     

专家系统的不确定性知识表示和询问过程的实现

专家系统的发展要求系统在人机交互方式上尽可能采用自然语言.另外,人的推理本身就涉及到不确定性知识.因而,在建立一个专家系统设计工具或设立一个专家系统时,研究不确定性知识的表示是重要的.本文简要地说明专家系统的不确定性知识的表示和自学习推理的模型,以及在IBM-PC微机上,采用dBASE(III)实现不确定性的知识表示和询问过程. 一、具有不确定性知识表示和自学习推理的专家系统的结构     

基于改进云模型的网络信息系统可生存性预测

网络信息系统的可生存性预测研究对提高网络服务质量有重要作用.针对可生存性评价指标和评价数据的不确定性,提出一种基于改进云模型重心评判法的定性规则提取方法,利用提取的规则构造一个多层次可生存性预测规则推理器,对网络信息系统的可生存性进行不确定性推理.实验结果表明,所提出的新方法具有较好的可用性.     

缺省模态逻辑

本文在Ｒｉｅｔｅｒ１９８０年提出的缺少逻辑的基础上，将缺少条件视为获取知识的背景知识与所得到的知识同等地加以考虑，提出了一种缺少逻辑。它是一种非单调逻辑，并且具有在Ｒｅｉｔｅｒ的系统中所不能保证的两个重要性质；扩充的存在性和非单调性。     

积分形式的Young不等式的若干推广

Young不等式在分析数学中有着广泛的应用.对促进现代数学的发展起到了非常重要的作用.以积分形式的Young不等式为基础.Young不等式发展出多种变化形式.利用数学分析和不等式理论相结合的方法给出了积分形式的Young不等式的几种改进、推广;分析了积分形式的Young不等式与Young逆不等式的等价性.借以说明Young不等式形式的内在统一性和数学思维的严密性;与积分形式的Young不等式的推广相对应.给出了Young逆不等式的几种改进、推广.积分形式的Young不等式的推广是Young不等式的后续发展,这些不等式为解决对偶空间构造、Sobolev定理等深刻结论的证明提供了重要的知识工具.     

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。     

有序缺省理论及其扩充

讨论了半正规缺省理论和一般缺省理论之间的关系，将有序的概念引入了一般缺省理论，证明了每个有序缺省理论都有扩张。而且，给出了一个判定缺省理论是否有序的可行算法。     

基于范例推理的研究

范例推理系统在人工智能研究中起着很重要的作用。对范例推理结构进行了研究,阐述了这些范例推理结构相应的功能,并把数据挖掘中的一些算法应用在案例推理中,使案例推理趋向智能化。     

量化plausibility测度在默认推理系统中的推理能力

作者讨论了量化plausibility测度在默认推理逻辑系统 （P系统）中的推理能力, 给出了一般量化plausibility测度与possibility测度具有相同推理能力的条件.     

Rough集规则知识获取研究中的不一致性问题

讨论数据挖掘问题 ,即从原始数据中构造决策规则。重点考虑不一致情况下的规则知识获取问题 ,即从包含不一致信息的数据中获取得到缺省规则 ,并研究在不一致条件下的决策规则选择策略 ,使之能够在不完全、不一致的条件下进行推理。同时将在 Skowron缺省规则获取算法的基础上 ,根据对不一致性的分析 ,提出从包含不一致信息的决策表中获取缺省规则 ,并能够对任意待识样本进行处理的方法。     

基于案例推理的ICU应急诊断方案生成系统

依据应急诊断治疗的医学知识和实践经验，综合运用了案例推理、模糊推理、缺省推理等方法，建立了能迅速生成重症监护治疗方案的推理模型，对重症监护病房中的多种危险病症采取病因和病症相结合的诊断思路，实现了推理机的设计，建立案例推理、模糊推理、缺省推理相结合的ICU应急诊断方案生成原型系统。该系统将人工智能技术和ICU医学知识相结合，为信息技术在生命科学中的应用做了有益的探讨。     

一种基于可变支持度的缺省规则挖掘算法

Rough集方法提供了一种新的处理不精确、不完全与不相容知识的数学工具. MDRBR算法通过规则支持度进行约束,可有效提高缺省规则的挖掘效率.但MDRBR采用单一的规则支持度约束,使得当规则支持度较小时,挖掘出大量的缺省规则,而当规则支持度较大时,一些重要的小概率分布对象对应的缺省规则被过滤掉.为此,提出了一种基于可变支持度的缺省规则挖掘算法--MDRBVSM,可有效地改进MDRBR等传统算法存在的缺陷.实验结果表明,该算法可有效地过滤噪声、提高规则的挖掘效率.     

A new research on auto compatible default theory

Ｅｘｔｅｎｓｉｏｎｉｓｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｃｏｎｃｅｐｔｉｎｄｅｆａｕｌｔｌｏｇｉｃ．Ｒｅｉｔｅｒｈａｄｍａｄｅｓｏｍｅｒｅｓｅａｒｃｈｏｎｔｈｅｓｐｅｃｉａｌｋｉｎｄｏｆｄｅｆａｕｌｔｌｏｇｉｃ,ｔｈａｔｉｓｎｏｒｍａｌｄｅｆａｕｌｔｌ...