基于Voronoi图的定性路径推理

动态空间知识的表示与推理是定性空间推理研究的重要内容.基于Voronoi图及其动态变化,提出运动路径定性表示与推理方法.先根据Voronoi图空间邻近关系定义Voronoi图生成子空间关系,进一步定义定性位置及概念邻域,并应用概念相邻的定性位置序列给出定性路径表示.再由动态Voronoi图的边集变化和给出的概念邻域中定性位置间最短路径的启发式算法,设计并实现具有观察者角度的定性路径推理算法.最后,实验分析并验证该方法的有效性.     

带权定性影响图

定性影响图是具有精确概率和效用的影响图的定性抽象。在定性影响图中,节点之间的影响关系使用定性符号描述,这种符号描述简化了不确定知识的表示,降低了影响图建模的难度,加速了不确定知识的推理。但是,定性影响图在抽象过程中损失了部分信息,导致定性影响图在评价过程中会产生不确定结果,阻碍了定性影响图的广泛应用。以加权的思想扩展定性影响图,使扩展的定性影响图中每个定性影响都带有一个表示节点间影响强弱的数值权值,在评价过程中根据定性影响权值的比较来减少不确定结果的产生,从而扩大定性影响图的应用范围。     

基于定性互信息的定性概率网歧义性约简

针对符号传播算法在符号相反的两条平行路径上进行推理时常常产生歧义性,提出一种基于定性互信息的歧义性约简方法。首先,给出定性互信息的严格定义。然后,提出基于定性互信息影响强度的定性概率网,进一步区分影响强度,并证明具有强度的定性影响的对称性、传递性和复合性。最后在Antibiotics数据集上,通过与已有方法推理结果的对比实验,验证该歧义性约简方法的正确性和高效性。理论分析和实验结果表明,基于定性互信息的定性概率网既保留定性推理的简明性,又能够有效约简定性推理的歧义性。     

基于Voronoi图的定性路径

定性路径是定性空间推理的一个基本概念。给出了一个基于Voronoi图的定性路径表示与推理方法。该方法应用Voronoi图的邻近关系来表示定性位置和定性路径,即用运动点所在Voronoi区域的邻域来表示定性位置,用运动点所经过的定性位置序列来表示定性路径。设计并实现了一个定性路径推理算法,基于初始Voronoi图及不同时刻所有Voronoi区域的边数来动态更新Voronoi图邻近关系,可识别出运动点并找出定性路径。实验结果表明,该方法是可行的。     

基于论据系统的带权定性概率推理机

定性概率推理是不确定性推理领域的一种重要方法。将定性概率推理的论据系统方法和抽象系统方法二者合而为一,在定性概率推理机(QPR)的基础上提出基于论据系统的带权定性概率推理机(WQPR)。首先扩展了带权定性概率网的定义,讨论了带权定性影响的对称性;其次将带权定性概率推理融入到论据系统中,提出WQPR推理系统,相比QPR能够在更精确的尺度进行不确定性推理,并证明了系统的正确性与完备性。     

一种定性和定量信息混合控制法

基于精确数学模型的定量控制,虽精度高,但控制质量受限于对象参数的变化;定性控制具有较强的鲁棒性,但精确性稍差.结合两者优点,本文提出了一种无需对象精确数学模型的定性、定量信息混合控制新算法.该算法首先建立无因果划的键图模型,使用改进的键图理论,分析并给出键图模型中知识的定性表达方程,并对该定性表达方程进行适当的化简导出控制方程.对比PID控制的仿真结果证实:该算法具有较好的鲁棒性和动态性能,尤其在对象参数时变和含有非线性环节时.     

动态系统的定性推理：定性模型的建立与定性仿真方法

本文首先介绍了动态系统的定性推理的产生背景，发展概况以及定性推理的实际应用前景，然后以Ｋｕｉｐｅｒｓ的定性仿真理论为中心介绍了定性推理的基本原理及方法，其中重点介绍了动态定性仿真算法ＱＳＩＭ和定性推理的最新发展，并对存在的问题进行了探讨。     

一种动态定性空间关系自动规划方法

为解决定性空间关系的规划问题,在概念邻域图的基础上提出描述动作与定性空间关系交互的邻域划分图.基于邻域划分图,提出了定性空间关系自动规划的形式化表示和推理算法,证明了算法的可靠性,并举例说明了新方法的应用.该方法在处理单方面空间关系规划中具有用通用性,在机器人导航方面具有潜在的应用前景.     

概率图模型推理方法的研究进展

近年来概率图模型已成为不确定性推理的研究热点,在人工智能、机器学习与计算机视觉等领域有广阔的应用前景.根据网络结构与查询问题类型的不同,系统地综述了概率图模型的推理算法.首先讨论了贝叶斯网络与马尔可夫网络中解决概率查询问题的精确推理算法与近似推理算法,其中主要介绍精确推理中的VE算法、递归约束算法和团树算法,以及近似推理中的变分近似推理和抽样近似推理算法,并给出了解决MAP查询问题的常用推理算法;然后分别针对混合网络的连续与混合情况阐述其推理算法,并分析了暂态网络的精确推理、近似推理以及混合情况下的推理;最后指出了概率图模型推理方法未来的研究方向.     

基于粗糙集的定性概率网推理冲突解决方法

定性概率是贝叶斯网的定性抽象,它以有向边上的定性影响代替贝叶斯网中的条件概率参数,描述了变量间增减的趋势,具有高效的推理机制。但定性概率网中信息丢失导致推理的过程中往往产生不确定信息,即推理结果产生冲突。以尽可能消除定性推理中的冲突为出发点,在构建定性概率网时,基于粗糙集属性依赖度理论求解出网中节点间的依赖度,以依赖度作为变量间定性影响的权重,并根据依赖度改进已有的定性概率网推理算法,从而解决定性概率网推理冲突。实例验证表明,该方法既保持了定性概率网高效推理的特性,又能有效解决冲突。