.基于知识系统的不确定性模型

研究基于知识系统（KBS）中知识的不确定性是开发KBS的重要问题,但现有模型化KBS几乎都是基于确定性知识的。以经典的CommonKADS模型为背景,采用模型化工程中的不确定性技术,研究KBS中不确定性知识的表示方法。首先在基于值系统的值集概念上引入假设函数集合的评估函数,定义静态不确定性领域知识;而后采用因果模型描述动态的不确定性推理知识和任务知识;最后将三类不确定性知识映射至CommonKADS模型。由此给出了描述不确定KBS的通用模型,扩展了KBS的可用性。     

证据理论在不确定性推理中的应用研究*

利用证据理论中的基本概率分配函数、信任函数和似然函数来描述和处理知识的不确定性。提出一个特殊的概率分配函数和新的组合规则,并以其为基础建立一个不确定性推理模型。实例证明该模型能有效地度量最终结论的不确定性。     

粗糙集不确定性度量的矩阵运算

粗糙集的不确定性度量是粗糙集理论的重要研究内容之一。结合模糊理论和粒计算理论改进了粗糙集的不确定性度量方法。通过集合的相对知识粒度及边界熵给出了粗糙集的粗糙性度量函数与模糊性度量函数,随着近似空间知识粒的细分,粗糙集的粗糙度与模糊度均满足单调递减的性质。利用矩阵理论提出了易于实现的粗糙性度量与模糊性度量的矩阵算法。     

无限论域中的粗糙近似空间与信任结构

在粗糙集理论中存在一对近似算子:下近似算子和上近似算子.而在Dempser-Shafer证据理论中有一对对偶的不确定性测度:信任函数与似然函数.集合的下近似和上近似可以看成是对该集合所表示信息的定性描述,而同一集合的信任测度和似然测度可以看成是对该集合的不确定性的定量刻画.针对各种复杂系统中不确定性知识的表示问题,介绍了无限论域中经典和模糊环境下信任结构及其导出的信任函数与似然函数的概念,建立了Dempser-Shafer证据理论中信任函数与似然函数和粗糙集理论中下近似与上近似之间的关系.阐述了由近似空间导出的下近似和上近似的概率生成一对对偶的信任函数和似然函数;反之,对于任何一个信任结构及其生成的信任函数与似然函数,必可以找到一个概率近似空间,使得由近似空间导出的下近似和上近似的概率分别恰好就是所给的信任函数和似然函数.最后,指出了主要理论成果在智能信息系统的知识表示和知识获取方面的潜在应用.     

不确定性工艺知识的模糊粗糙隶属度函数表示方法*

分析了工艺知识不确定性和模糊性的特点,提出了基于模糊粗糙隶属度函数的工艺不确定性知识的表示与应用模型。实现了对各类用数值和符号描述的工艺不确定知识的表示,通过隶属度值代替粗糙集中的实数值作为模糊粗糙集的属性,依照属性的依赖度和属性表的核进行了工艺知识属性的约简,得到了工艺知识规则集,并以LED芯片制造领域的工艺知识表示为实例,验证了该方法的可行性与有效性。     

基于云理论与神经网络集成的模糊系统

提出了一种基于云理论与神经网络混合集成的模糊系统。通过不确定性人工智能,解决了在实际模糊系统中输入变量隶属函数和知识规则确定的难题,利用神经网络实现了变量之间的非线性映射。该系统不但具有神经网络自适应的学习能力,且结合云理论处理知识的不确定性能力,使模糊系统在知识推理过程中更具有说服力,在整体上提高了算法的效率。     

基于严凹函数的粗糙集不确定性度量

通过语义分析,提出了一种拓展的粗糙集不确定性度量公理化定义;将香农熵函数推广到严凹函数,提出了一类以条件概率为自变量、基于严凹函数的粗糙集不确定性度量公式,它是严凹函数值的加权平均.在此基础上,得到一系列粗糙集不确定性度量方法.从严凹函数视角讨论了基于模糊熵的不确定性度量方法,发现现有多种能够用于度量粗糙集不确定性的模糊熵函数都是所提出方法的特殊情形.比较了粗糙度、改进粗糙度和所提出方法的区别和联系,最后设计了一些算例,比较了各种方法的异同,验证了基于严凹函数的粗糙集不确定性度量与粗糙集不确定性语义是一致的.     

关于信任函数的若干结果

本文主要利用信任函数来研究专家系统中不确定性的推理，给出一个更一般的信任函数组合规则，还对带机重的专家知识的综合给出了权重信任函数的组合方法。最后，对文献（１）中关于条件信任函数的不合理性例子进行了进一步分析，还是在条件信任函数的基础上给出了一个符合直观理解的解释。     

基于云控制的自适应遗传算法

遗传参数的自适应调整是一个复杂的不确定性过程。为此,利用云模型优良的不确定性知识表示能力,提出一种改进的自适应遗传算法。该算法以自然语言为切入点,用云模型表达先验规则知识,通过云控制器调整遗传参数。函数优化实验表明,该算法能够较好地模拟迭代中参数的自适应调整过程,算法性能是可行、有效的。     

知识不确定性问题的粒计算模型

知识不仅是构成人类认知能力的重要基石,也是智能科学研究的基础问题之一.随着智能科学技术研究的发展,知识的不确定性研究受到人们的普遍关注.知识的不确定性来源于知识本身的不确定性以及受外界(客观世界)影响而导致的不确定性.从粒计算模型的角度分析了模糊集理论模型、粗糙集理论模型、商空间理论模型以及其他扩展粒计算模型中知识的不确定性问题,并对知识不确定性问题的研究工作进行了讨论和总结,对有待研究的重要问题进行了展望.     

基于WEB的非精确正向推理专家系统的研究与应用

文章介绍了非WEB的非精确正向推理专家系统的基本思想及存在的问题，通过增加其WEB功能，提出了基于WEB的非精确正向推理专家系统，使其能在Internet／Intranet上进行非精确诊断分析，并给出了模型设计思想，部分程序代码分析和一个知识库的例子。     

传感器网络节点数目算法的比较研究*

节点数目的确定问题直接影响着网络的运行成本和工作效率,是传感器网络研究中一个基本的研究课题。介绍并分析了基于瞬时和长时两种不同感应模型的节点计算算法,即基于调度的节点数量确定算法和基于暴露量的节点数量确定算法,给出了覆盖滑动窗口的概念,归纳出两种算法在精度、性能指标和应用范围等方面的差异,得出两种方法均能有效确定满足覆盖节点数目的门限值,只是各自的覆盖滑动窗口的尺寸有所不同的结论。     

基于Web的非精确反向推理专家系统研究与实现

介绍了一个基于Web的精确反向推理专家系统原型,通过对其增加非精确推理功能,完成了对此原型的改进,使其能进行非精确分类或诊断。提出在推理过程中对所使用的规则、条件等信息的收集及处理算法,并给出一个推理过程分析实例,论述了对原型改进的基本步骤,同时也提供了一个知识库例子。探讨基于Web的专家系统的应用实践,对于推动专家系统在我国的应用具有现实意义。     

一种基于ANN的中医辨证不确定性推理模型研究

提出中医辨证中不确定性推理的基于可信度因子和可信度区间的模型,并用改进的BP神经网络实现其推理过程,最后利用MATLAB神经网络工具箱给出仿真示例。改进的BP神经网络在实现中医辨证不确定性推理方面有效地避免了沿用传统方法所带来的规则数激增及推理缓慢等缺陷,并提高了网络的泛化能力。仿真示例表明,它不仅可以自动学习和模拟专家的典型经验,而且可以将专家的典型经验推广应用到一般情形。     

一种基于模糊Petri网的不确定知识获取方法及其应用

本文介绍一种基于模糊Petri网获取专家系统不确定知识的方法,文中给出了模糊Petri网的知识表示、不确定推理算法及应用实例。     

On the possibility of quantitative definition of knowledge

In this paper, the possibility of quantitative definition of knowledge, information and uncertainty (ignorance) is investigated in such a way, that initial knowledge and useful information in sum would give the final knowledge. Here, the above-mentioned problem is considered in the case of combined uncertainty: probabilistic and possibilistic.