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.     

从状态空间的角度对定性模拟中一些概念的讨论

定性模拟（ＱＳ）是近１０年来从人工智能中发展起来的一种模拟技术．本文从状态空间的角度讨论了定性模拟中的一些基本概念，在定义定性轨迹的基础上，首次从定性状态转移的角度阐明了定性模拟过程中产生新界标的重要性，同时还给出了定性稳定性的概念和判别条件，这些将增强ＱＳ的全局滤波手段     

基于概念相容性的概念树自动生成算法

在面向属性归纳(AOG)的数据挖掘中,属性归约及概念归纳都离不开概念层次.而概念层次一般都是先验的,当出现概念层次中没有的新的概念时,无法进行归纳.以属性论为基础的概念相容测度,将概念层次单纯的文字表示转换为其定性基准的表示,给出了名称型属性的概念层次树的动态生成算法.当有新的属性值出现时,可以不用重新生成概念树,只需调用该算法,将新的属性值插入已有概念层次树即可.从而可以让概念归纳与修改概念层次同时进行,使AOG具有了动态归纳的特性.     

一种分层递阶的定性拓扑推理方法

文章针对现有的定性表示方法和拓扑推理算法存在的问题,提出了一种新的方法.首先,提出了基于概念邻域结构的定性表示方法.然后,给出了不同粒度层次上拓扑关系复合表的计算方法.最后,设计得出分层递阶的拓扑推理算法.文章给出的方法具有较高的认知合理性,所提出的推理算法可根据问题来选择合适的表示和推理层次,在已有推理算法给不出解的情况下,可以给出问题的合理解,对一般定性推理研究有参考价值.     

定性代数的形式框架FAQA

本文首先讨论了定性推理系统和一量推理系统的描述，进而给出了定性代数的一种形式框架ＦＡＱＡ，提出了定性、定量是不同层次观察结果的观点，并对定性（混合）结构进行了分析描述。ＦＡＱＡ框架是Ｗｉｌｌｉａｍｓ等人工作理论上的完善及统一基础。     

面向概念设计的零件定性模型

针对概念零件结构的定性特性,提出了支持概念设计并能指导和控制零件形状设计的概念零件结构定性模型,讨论了形体符号的定义和分类,零件符号化的基本步骤和疗法。给出了典型结构概念零件的符号表示实例．讨论了定性几何约束、定性几何约束图和定性拼合运算．并结合实例介绍了概念零件定性模型的建立过程．     

逆向云在定性评价中的应用

现有的定性评价存在主观性和随意性大的缺点，缺乏客观性和精确性,云模型是一种定性与定量之间相互转换的有效工具，逆向云可以实现定量数值与定性概念的自然转换，从而得出一个用精确数值表示的定性概念．该文分析并给出了逆向云发生器的具体算法，并对还原的各特征值进行了误差分析．最后将该算法应用到射击评判上，评价结果不仅有射击准确度的评价，而且有运动员心理素质的分析，比仅仅用环数来评价一个运动员更准确、更具体．     

关系数据库中概念层次自动提取算法研究

作为一种重要的背景知识，概念层次在ＫＤＤ中发挥了重要作用。概念层次能够以层次的形式和偏序的关系组织数据和概念，能够以高层概念表示数据库中数据的关系。本文就概念层次的应用和提取进行了讨论，提出一种自动提取数值型概念层次的算法．     

基于云模型定性规则推理的分类方法

根据粗糙集原理和模糊集理论,提出了一种基于云模型定性规则推理的分类方法,利用云的相关理论获得多条件单规则中包含隶属度的决策表,结合模糊模式识别技术进行样本分类。针对一些数据对象分别隶属于不同类别的情况,用定性概念来代替模糊集中的定量数据并建立二元关系,能对连续型数据进行更为简单合理的＂软＂分类,从而使基于定性概念的算法模型符合人类思维方式。     

拓扑关系的闭球模型及复合表的推导

Egenhofer和Franzosa提出的拓扑关系的4-交集模型是定性空间推理中常用的模型，但基于4-交集模型难以推导出拓扑关系的完备集、概念邻域和复合表．本文以拓扑学为基础，提出了（n，n）完备集的概念，建立了拓扑关系的闭球模型．基于闭球模型可以直接推导出拓扑关系的（n，n）完备集和概念邻域以及复合表．结果表明，对定性空间推理来说，闭球模型比4-交集模型更简单有效．     

基于云模型的隶属概念判定算法的改进

在人工智能领域中,李德毅教授等提出的定性定量不确定性转换模型——云模型,把概念的模糊性和随机性完全集成到一起,构成定性数据和定量数据的相互映射。但是,在利用云模型进行隶属概念的判定的算法中,不论对象是否明确属于某个概念,一律进行不确定性判定,过分地强调了模糊性和随机性。这不符合人类的认识规律,而且增加了算法的时间复杂度,甚至导致隶属概念判定的明显错误。该文根据人类认识规律对上述算法进行了改进。对那些可以明确确定属于某概念的对象,不再进行不确定性判定,直接被认定为属于该概念,只对处于多个概念边缘的不能确定属于某个概念的对象进行不确定性判定,使其符合人类的认识规律,降低了算法的时间复杂度。     

基于云模型的隶属概念判定算法的改进

在人工智能领域中，李德毅教授等提出的定性定量不确定性转换模型——云模型，把概念的模糊性和随机性完全集成到一起，构成定性数据和定量数据的相互映射。但是，在利用云模型进行隶属概念的判定的算法中，不论对象是否明确属于某个概念，一律进行不确定性判定，过分地强调了模糊性和随机性。这不符合人类的认识规律，而且增加了算法的时间复杂度，甚至导致隶属概念判定的明显错误。该文根据人类认识规律对上述算法进行了改进。对那些可以明确确定属于某概念的对象，不再进行不确定性判定，直接被认定为属于该概念，只对处于多个概念边缘的不能确定属于某个概念的对象进行不确定性判定，使其符合人类的认识规律，降低了算法的时间复杂度。     

基于属性量-质特性转化及其定性映射的KDD模型

指出了若将规则看作是一种广义的特征,则从数据中挖掘规则,可用属于量－质特征转化的定性映射加以刻画,根据特征定性可随定性基准而变的事实,并给出了一个高效、可增长、可重泛化的概念树生成算法,即ＥＩＧＲ算法,与传统的ＫＤＤ方法相比,该方法不仅更符合于人类思维,而且,所发现的知识更具强壮性和稳健性。     

定性控制综述

首先介绍了定性推理，定性控制的产生背景，发展状况及已取得的成就，然后给出了定性控制的三种基本方法，并依次举例做了较为详细的说明，最后对定性控制的优点，缺点及发展趋向做了探讨。     

一类定性控制系统的稳定性分析

对一类非线性对象提出了定性稳定性的定义,并对其闭环自治系统的定性稳定性提出一个充分性判据,然后给出一种用变量梯度法构造李亚普诺夫函 步骤,最后以一个二阶非线性对象为例,给出了一种以全部定性状态分析为反馈的定性控制,讨论了闭环控制系统的定性稳定性。     

定性仿真方法发展与应用研究

定性仿真是处理不完备信息的有效方法,随着其理论研究的不断深入,在工业、医疗、人工智能、生态环境、社会学、非线性系统等越来越多的领域中得到了大量的应用,国内在该领域的研究起步较晚,应用研究成果相对较少,主要局限于理论方面的研究,为此,结合国内外在该领域的研究和应用状况,比较系统地阐述了定性仿真的产生与发展过程,概述了目前主要的研究方法和一些领域的应用情况,最后对定性仿真的发展方向进行了展望。     

论现代设计中的传统意境表达

本文着重阐述了"意境"的内涵、传统"意境"表达的重要性以及如何在现代设计中表达传统"意境",并初步探索了具体设计手法的可行性。     

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。     

一种基于模型参数范围已知的定性控制

对模型中含有不确定性因素的非线性系统给出一种定性控制方法,避免了模型控制器设计中存在的主观性和模糊规则难以获取等缺点。先将状态进行定性划分,再对每个定性状态根据期望约束利用不精确模型求出控制的参考范围及初值,最后对控制量在线自学习调整。此方法具有模糊控制的控制效果。     

Problems in Representing Liquid Tankswith Monotonicity Constraints: A Case Study inModel-Imposed Limitations on the Coverage ofQualitative Simulators

We subject a basic qualitative modelwhich appears throughout the qualitativereasoning literature (the ``bathtub' or liquidtank model) to a detailed theoretical analysisof its representation properties. We show thatthe standard model for this family of systemsdoes not cover the intuitive concept ofreal-world tanks, in that there are both simpletanks that do not obey the model, and thatthere are physically impossible shapes that doobey it and get considered by qualitativereasoners using the model. We demonstrate thatthese modeling problems may lead to a markeddecrease in the usefulness of employingqualitative reasoners in some cases. Weconclude that one should be careful aboutmaking both the assumptions required by themodel and the algorithm, and the family ofsystems that are actually reasoned about,explicit in the presentation of qualitativereasoners' output.