改进的粗糙描述逻辑框架

已有的粗糙描述逻辑(RDLs)都是基于经典的粗糙集理论,也就是在讨论可以处理不确定信息的粗糙描述逻辑前首先要定义出论域中元素间的某种等价关系。事实上,人们经常会遇到用形式概念表示的对象域,这种情况下一个自然的问题就是:如何处理可能出现的不确定性概念?把形式概念分析与粗糙集理论联系起来作为基础,建立了两种新的粗糙描述逻辑。把文献[14]中Y.Y.Yao等提出的方法应用于新的RDLs,其中的上(下)近似算子分别用格论算子和集合论算子来定义。这里的近似的定义虽然不同于传统的粗糙近似算子形式,但是有很好的实用性。基于这个新颖的上(下)近似的定义,把这两组近似算子引入到描述逻辑的结构中形成两种粗糙描述逻辑FlALC和FsALC。给出了相应的语法和语义,最后还给出了扩展的Tableaux算法,其可以用来解决相应的推理问题。     

基于形式概念分析的粗糙描述逻辑研究

以往的粗糙描述逻辑(RDL)都是基于传统的粗糙集理论。实际上,经常会出现用形式概念表示一个概念的情况,此时一个自然的问题就是如何处理可能出现的不确定概念。把形式概念分析与粗糙集理论联系起来做为基础,给出可定义概念和不可定义概念的定义,并给出不可定义概念的上近似和下近似,这里的近似定义虽然不同于传统的粗糙近似算子形式,但是有很好的实用性。基于新的上下近似定义,把一组近似算子引入到描述逻辑的结构中,形成一种新的粗糙描述逻辑。给出了相应的语法和语义,最后还给出了扩展的Tableau算法,可以用来解决相应的推理问题。     

粗糙逻辑中公式的Borel型概率粗糙真度

以一种特殊的粗糙逻辑为研究对象,视全体赋值之集为通常乘积拓扑空间,通过利用赋值集上的Borel概率测度,提出了能融合粗糙逻辑与计量逻辑为一体的公式的Borel型概率粗糙真度理论,给出了公式概率粗糙真度的公理化定义,建立起了相应的概率真度表示定理.公式的概率粗糙真度理论可被看作粗糙逻辑中已有工作的计量化,也可看作计量逻辑学中真度理论的粗糙化.基于这一核心概念,进一步给出了粗糙逻辑中已有概念的程度化表示形式,如公式的粗糙度、精确度、公式之间的粗糙相似度等,并建立起了基于粗糙相似度的3种近似推理模式.该结果实现了粗糙逻辑与计量逻辑的和谐统一,为进一步基于粗糙真值的程度化推理搭建了一个可能的框架.     

基于粗糙描述逻辑的不精确时态知识表示研究

在粗糙描述逻辑基础上扩充不精确时态关系,以满足不精确时态知识表示与推理的需要。首先给出了粗糙集及粗糙描述逻辑的相关概念;接着通过定义粗糙时态描述逻辑不精确时态关系,扩展了粗糙描述逻辑中具体域,并给出了可靠性和完备性证明;最后通过实际例子说明粗糙时态描述逻辑的知识表示和应用,结果表明扩展后的粗糙时态描述逻辑可以实现不精确时态知识的表示与推理。     

粗糙本体支持的知识推理框架

基于精确本体的推理机不能够直接应用到粗糙本体的知识推理中,因此目前还没有适合粗糙本体的推理机。根据粗糙本体的特点,将其中的粗糙集、粗糙描述逻辑、粗糙包含和知识推理作为研究对象,在此基础上将基于描述逻辑的推理方法与基于规则的推理方法相结合,提出一种粗糙本体支持的知识推理框架,实现了粗糙本体的推理功能,解决了针对不确定信息的知识推理问题。     

改进的描述逻辑框架Rough-SHOIN

针对具有不完备、多粒度特点的不确定知识表示,设计了一个粗糙描述逻辑框架--Rough-SHOIN,利用粗糙相似关系作为概念描述的基础,定义概念的粗糙上近似和下近似,实现不完备概念表达,在概念解释中引入上下文,实现在不同粒度上准确定义概念-对象间关系。在此基础上,给出Rough-SHOIN粗糙概念的语法、语义及知识库,并在不增加计算复杂度的前提下,定义Rough-SHOIN的推理规则。通过实例说明该框架的有效性。     

描述逻辑SHIOQ的时态扩展

分析描述逻辑时态扩展的优缺点,同时结合实际应用需求,将时间当作具体领域加入到描述逻辑中来处理,给出带时态扩展的描述逻辑SHIOQ（T）的形式化描述,并给出SHIOQ（T）中概念、关系和实例的描述形式以及它们的语义解释,从而方便地实现时态知识的表达和推理。     

基于粗糙逻辑(RL)的微分对策理论

针对微分对策在实际应用上的困难,引入粗糙控制这一新颖的人工智能方法。粗糙集理论能刻画和处理不完整、不精确信息。在简略介绍了粗糙集、粗糙逻辑和粗糙控制大致思想的基础上,尝试将粗糙逻辑和粗糙控制引入微分对策,以追逃问题为例,初步探索了粗糙微分对策模型的建立方法。该对策模型体现了控制算法简单、迅速和易于实现的优点,也降低了微分对策要求精确数学模型和完备信息的困难。同时也将粗糙控制和模糊控制做了简单的比较。     

认知描述逻辑ALCKR＋：描述逻辑的一个非单调扩展

描述逻辑是语义Web的逻辑基础,是形式化表达领域知识的工具.但是描述逻辑只能表达单调推理,不能处理不完全知识.认知描述逻辑因其非单调特性和良好的时间复杂度等特点在处理不完全知识方面有较好的优势.本文在认知描述逻辑ALCK的基础上提出了新的认知描述逻辑语言ALCKR ,保留了描述逻辑原有的优点,加入传递角色属性,增强了表达能力,并通过认知查询拥有了非单调推理的能力.设计了ALCKR 的语法、语义以及表算法.     

在FCA中的粗糙概念

在研究了粗糙近似和形式概念之后，把Roughsets思想应用于FCA中，拓宽了形式概念的范围，对一些特殊的不可定义的概念进行了研究．     

动态描述逻辑的可拓集合扩展

通过对可拓集合与经典集合、模糊集合的分析比较,说明可拓集合的特点和优点,用可拓集合代替经典集合或模糊集合作为动态描述逻辑DDL的集合论基础,对DDL进行扩展,生成了一种新的描述逻辑DDES,并给出了DDLES中概念、关系和实例的描述形式以及它们的语义解释,最后对传统描述逻辑ALC、模糊DDL和DDES中的Abox形式进行了比较.     

带Rough相等关系词的Rough逻辑系统及其推理

以公式的定义域集的下和上近似分别相等方法，定义了两个Rough逻辑公式Rough相等，并以此定义了Rough相等关系词“＝R”，它不仅比等值词“←→”运算有更多的直观性，而且既考虑了可定义的公式，也包含了那 边界线上不可定义或可能可定义的公式，所以，经典逻辑中的隐含量φ→ψ被移至Rough逻辑中应当解释为R.(d(φ））包含R.(d(ψ))∧R^*(d(φ))包含R^*（d(ψ））。经典逻辑中的等值式φ←→ψ被移至Rough逻辑中应当解释为R.(d(φ））＝R.(d(ψ))∧R^*(d(φ))＝R^*（d(ψ）），其中d(F)是公式F的定义区域，它可能是可定久集，也可能是不可定义集或Rough集，这是Rough逻辑与经典逻辑与其它非标准逻辑的重要区别之一，将这种Rough相等词“＝R”引入Rough逻辑中，因而得一些相关的性质和相关的推理规则。文本中建立了带Rough相等关系词“＝R”的Rough逻辑推理系统，并在这个系统下用演绎推理方法证明了几个具体的实例。     

一种分布式动态描述逻辑

分析了目前描述逻辑(DL)的研究现状和存在的问题,特别是动态描述逻辑(DDL)作为语义Web逻辑基础所存在的问题.针对语义Web的特点和需求,对DDL进行了扩充,提出了一种新的描述逻辑,即分布式动态描述逻辑(D3L),给出了D3L的语法和语义,并研究了D3L的推理机制,提出了两种推理方法: 直接推理和转化推理.与动态描述逻辑DDL相比,该D3L可以为语义Web提供更为合理的逻辑基础,弥补了DDL作为语义Web逻辑基础的不足.     

CDDL:动态描述逻辑的不确定性扩展

本体(Ontology)是语义Web中共享知识的形式化建模工具,其逻辑基础是描述逻辑.动态描述逻辑(DDL)具有同时表示静态和动态知识的优势.本文针对语义Web需要处理不确定性动态知识的需求,利用云模型对DDL进行不确定性扩展,提出了一种能够有效实现不确定性静态和动态知识进行表示和推理的不确定性动态描述逻辑CDDL.与...     

描述逻辑系统FLEN中概念的最小公共包含算法研究

描述逻辑中的非标准推理是目前研究者们所关注的焦点问题,它主要包括：最具体概念、最小公共包含、匹配问题及概念的重写等.过去人们主要研究那些不含数量限制的描述逻辑系统,研究的是描述逻辑系统FLEN中的一种重要的非标准推理——概念的最小公共包含,它同时含有数量限制和存在限制,是对前人工作的推广.首先定义了FLEN中概念的描述树及描述树之间的同态关系,给出了概念之间包含关系的推理算法,然后通过两棵概念描述树的笛卡儿积给出了两个概念的最小公共包含推理算法并指出了概念A,B的最小公共包含概念LCS(A,B)的大小size(LCS(A,B))是随着size(A),size(B)呈指数增长的.     

概念格的粗糙性质研究

研究由粗糙集形式的概念格,定义粗糙形式背景、粗糙概念,给出它们的性质,借助蕴涵算子研究上、下近似运算在粗糙形式背景中讨论了粗糙Galois连接.     

描述逻辑程序系统的设计与实现

Eiter等人为语义网提出的回答集程序和描述逻辑相结合的描述逻辑程序,获得了本体上的非单调表达和推理能力。王以松等人证明了描述逻辑程序的完备化和环公式可以精确刻画描述逻辑程序的回答集。在此基础上,进一步证明了若完备化公式的模型不是回答集则一定存在终止环公式反例,它们是多项式时间可计算的。设计并实现了借助SAT求解器MiniSAT以及描述逻辑推理机RacerPro计算描述逻辑强回答集的原型DLP_SAT。实验结果表明,该原型能有效地计算一些熟知的描述逻辑程序的强回答集。