基于粗糙集的不确定知识表示方法

1 引言知识表示是人工智能(AI)研究中最关键的分支之一。传统的知识表示模型(如AQ11,ID3等),对知识描述是确定的、清晰的,即:被描述的对象具有或不具有某种属性是明确的。然而,在现实世界中,人们常常面对的是在领域信息不完整、不确定、不精确的前提下,完成对事物的认识、分析、推理、判断、预测和决策。这种智能行为往往要求人们对未知的信息进行估计、推测;对不完整数据进行分析、处理;对已知的证据     

粗糙集在大同房地产市场分析中的应用

粗糙集理论具有很强的定性分析能力,能够有效地表达不确定的或不精确的知识,善于从数据中获取知识,并能利用不确定、不完整的经验知识进行推理。利用粗糙集理论,以房地产信息为实例,通过粗糙集的属性约简和规则提取方法,得到更多房地产信息中潜在的规律,为购房者提供更多的参考。     

关于陈述性知识的学习

一、界定在《中国大百科全书·教育》中“知识”概念是这样表述的:“所谓知识,就它反映的内容而言,是客观事物的属性与联系的反映,是客观世界在人脑中的主观映象。就它的反映活动形式而言,有时表现为主体对事物的感性知觉或表象,属于感性知识,有时表现为关于事物的概念或规     

概率逻辑程序

1 引言最近几十年来,不确定性的管理在知识描述和推理中扮演着越来越重要的角色。为了处理不确定知识,人们提出了各种不同的形式化和方法论,其中大部分是直接或间接地基于概率论的。     

Pawlak粗糙集模型的随机集表示及合成

1.引言和预备知识粗糙集作为一种处理不精确、不确定与不完全数据的新的数学理论,最初是由波兰数学家Z.Pawlak于1982年提出的。在Pawlak粗糙集模型中,论域中的对象或元素可以用可利用的信息(或知识库中的知识)来描述。当两个不同的对象具有相同的描述时称这两个元素是不可区分的。所有具有相同描述的元素构成了一个等价类,所有等价类构成了这个论域的一个划分,任意给定论域的一个子集,人们不一定能用知识库中的知识来精确地描述,这时就用关于这个集合的一对上、下近似来描述。粗糙集理论的主要思想是利用已知的知识库,将不精确或不确定的知识用已知知识库中的知识来(近似)刻画。     

IBARM：一种基于区间表示的不精确推理模型

不精确推理是根据应用系统中的不确定信息(可能是概率的、模糊的、不完备的等),按一定的搜索策略(如深度优先或广度优先),采用一定的推理技术(如正向、反向或双向)和不确定值传播算法,得出应用系统中近乎合理的结论。一个不精确推理模型主要包括知识的不确定性描述方式、不     

基于不确定性知识的主观贝叶斯网络算法

1引言 贝叶斯网络是有向无环图.它是一种概率推理技术,能从不完全、不精确或不确定的知识和信息中作出推理.主观贝叶斯网络引入了主观贝叶斯方法,成功地解决了在实际应用中的诸多困难.     

人类自然语言不确定性及粗集理论的表示

在现实世界中,人们对事物的推理、判断、预测和决策等智力行为大多数是在问题领域的息不完全、不确定、不精确或者模糊的条件下进行的。为了完成这些智力行为,人们往往要对知的信息进行     

基于概念格的数据驱动不确定知识获取

在没有领域先验知识的条件下,不确定知识获取是机器学习研究中的一个难题.本文利用决策表和决策规则的不确定性,通过分析决策表、决策规则及概念格的知识表示形式,发现这3种知识表示形式中知识不确定性之间的关系,进而提出基于概念格的数据驱动不确定知识获取算法.仿真实验结果表明,该算法在不确定性知识获取中是有效的.     

基于本体和云理论的不确定知识表示

描述逻辑是本体的重要表示方式,但只能处理严格的确定性的知识,并不能处理自然界中广泛存在的模糊的和不确定的知识。通过对最基本的描述逻辑ALC进行扩展,提出了能够处理不确定知识的基于本体和云模型不确定描述逻辑:Cloud-ALC,给出了Cloud-ALC的语法和语义及其蕴涵推理关系,研究了Cloud-ALC所具有的相关性质。实例分析说明Cloud-ALC可以为扩展本体描述语言以便能够处理不确定知识提供语义支持。