基于证据理论的本体不一致性度量方法研究

随着语义网技术的发展,本体不一致性问题成为本体研究中的热点之一.度量本体的不一致度是处理本体不一致的基础和前提.在分析证据理论不确定推理方法特点与本体不一致性度量问题特点的基础上,提出了一种基于证据理论的本体不一致性度量ETOICM方法,对相关结果进行了证明,给出了度量的计算公式和实现算法,通过实验将该方法与相关方法进行对比分析,说明了该方法的特点.另外,ETOICM方法的度量结果可以作为权重值,为下一步采用不确定性方法进行本体不一致的诊断修复和推理工作提供依据.     

组合优化问题中GA性能分析及多样性评价

随着生产调度、机器学习、最优规划等组合优化问题的大规模化，复杂化，传统的基于运筹学的搜索算法已显得无能为力．具有广域搜索能力的遗传算法(GA)也因“完备性”与“健全性”的不充分不能有效地对应上述问题．为此，本文提出了保证GA上述两个性质地方法，使其能有效地解决复杂组合优化问题．     

基于语义tableau的一阶逻辑自动定理证明

自动推理作为自动定理证明的扩展是人工智能研究的基础工作,许多重要的人工智能系统都是以推理系统为其核心部分,其中的tableau方法,由于具有通用性、直观性及易于计算机实现等特点,至今成为重要的自动推理方法之一。在tableau方法基础上,讨论了一阶逻辑中的自动定理证明理论,提出使用模型存在定理证明其可靠性和完备性的方法。同时也给出了带等词tableau方法的证明过程。     

Inferring from Inconsistency in Preference-Based Argumentation Frameworks

Argumentation is a promising approach to handle inconsistent knowledge bases, based on the justification of plausible conclusions by arguments. Because of inconsistency, however, arguments may be defeated by counterarguments (or defeaters). The problem is thus to select the most acceptable arguments. In this paper we investigate preference-based acceptability. The basic idea is to accept undefeated arguments and also arguments that are preferred to their defeaters. We say that these arguments defend themselves against their defeaters. We define argumentation frameworks based on that preference-based acceptability. Finally, we study associated inference relations for reasoning with inconsistent knowledge bases.     

Inconsistency Management and View Updates

Inconsistency management in component-based languages is the identification and resolution of conflicting constraints or expectations between the different components which make up a system. Here we present a category theoretical framework for detecting and classifying those inconsistencies which can arise throughout a simulation. In addition, the framework permits us to apply techniques developed for defining database view updates. With these, we can analyse the set of traces of a system with respect to a particular behaviour in a subsystem.     

上下文一致性错误及其处理对应用的影响

在普适计算环境中,上下文信息由于受到噪声等不可控因素的干扰,面临着一致性错误的问题。这些错误会影响应用的正常运行,使其表现异常甚至失效。目前已经有自动的一致性错误处理方法来保障应用所获取的上下文满足数据层面的一致性约束,然而在数据层面保持一致是否能提升应用的运行质量并不明确。系统地研究了这个问题,并基于一组真实的上下文感知机器人小车应用,设计了一系列受控实验,来分析和比较在模拟和真实世界中上下文一致性错误的处理方式对应用运行质量的改善程度及潜在的负面影响。利用该实验的分析结果,将有助于提高普适计算中上下文感知应用的运行质量。     

复杂系统多智能体不一致性问题的研究

基于复杂环境下的多智能体系统具有不一致性,采用模糊集理论和定义重要度的方法,提出多智能体系系统中各智能体所得结论不一致性的判别算法,在此基础上探讨了调整其不一致性的方法,并通过实例表明,所采用的方法具有较好的效果。     

Inconsistency indices for incomplete pairwise comparisons matrices

ABSTRACT

Comparing alternatives in pairs is a very well known technique of ranking creation. The answer to how reliable and trustworthy ranking depends on the inconsistency of the data from which it was created. There are many indices used for determining the level of inconsistency among compared alternatives. Unfortunately, most of them assume that the set of comparisons is complete, i.e. every single alternative is compared to each other. This is not true and the ranking must sometimes be made based on incomplete data. In order to fill this gap, this work aims to adapt several existing inconsistency indices for the purpose of analyzing incomplete data sets. The modified indices are subjected to Monte Carlo experiments. Those of them that achieved the best results in the experiments carried out are recommended for use in practice.     

关于软件需求中的不一致性管理

复杂软件系统开发的一个关键问题是分析和处理可能存在的不一致的需求描述.这个问题解决得好坏直接影响到需求规格说明的质量,进而影响到最终软件产品的质量.在目前公认的一个不一致需求管理框架的基础上,就需求不一致性管理方面的有代表性的工作,进行了较为系统的分析,以期建立对当前需求工程中,关于不一致的需求管理方法和技术的全面认识.最后,对需求不一致性管理方面的研究进行了展望.     

Computational Complexity and Anytime Algorithm for Inconsistency Measurement

Measuring inconsistency degrees of inconsistent knowledge bases is an important problem as it provides context information for facilitating inconsistency handling. Many methods have been proposed to solve this problem and a main class of them is based on some kind of paraconsistent semantics. In this paper, we consider the computational aspects of inconsistency degrees of propositional knowledge bases under 4-valued semantics. We ˉrst give a complete analysis of the computational complexity of computing inconsistency degrees. As it turns out that computing the exact inconsistency degree is intractable, we then propose an anytime algorithm that provides tractable approximations of the inconsistency degree from above and below. We show that our algorithm satisˉes some desirable properties and give experimental results of our implementation of the algorithm.     

分布式大数据不一致性检测

关系数据库中可能存在数据不一致性现象,关系数据库数据质量的一个主要问题是存在违反函数依赖情况.为找出不一致数据,需要进行函数依赖冲突检测.集中式数据库中可以通过SQL技术检测不一致情况,尽管检测效率不高;而分布式环境下不一致性检测更富有挑战性,不仅需要考虑数据的迁移,检测任务如何分配也是一个难题.在大数据背景下,上述问题更加突出.提出了一种分布式环境单函数依赖不一致性检测方法,给出了不一致性检测响应时间代价模型.为减少数据迁移量和响应时间,基于等价类对待检测数据进行预处理.由于分布式环境不一致性检测问题为NP-hard问题,多项式时间内难以得到最优解,给出了代价模型的多项式时间3/2-近似最优解.提出了一种分布式环境多函数依赖不一致性检测方法,基于最小集合覆盖理论,通过一次数据遍历,对多个函数依赖进行并行批检测,同时考虑检测过程中的负载均衡等问题.在真实和人工数据集上的实验表明：相对于传统的检测方法以及基于Hadoop的Naïve方法,所提出的检测方法检测效率有明显的提升,且扩展性能良好.     

命题中介逻辑的可靠和完备Gentzen推导系统

中介逻辑是朱梧槚先生提出的一个3-值逻辑.给出了一个命题中介逻辑,其中引入中介连接词~、反对连接词◁以及蕴涵连接词→,并且定义否定连接词.给出了一个Gentzen-型的推导系统,使得该系统关于中介逻辑的3-值语义是可靠的和完备的.     

有序决策表中的第三种不一致

现实世界中的有序性问题，反映在决策表上相当于在表的属性域上加上优先关系(preferential ordering)或者说是序关系的语义，这种决策表称为有序决策表，有序决策表中的条件属性又称为指标(criterion)，有序决策表中的对象在各个指标上有排序，在决策属性上又有一个总的排序。文献[1，2]指出对于有序决策表中存在一种普通的粗糙集模型不能识别的不一致，并以基于支配关系(dominance relation)的粗糙集模型(dominance-based rough set approach or DRSA)代替基于等价关系的经典粗糙集模型(classic rough set approach or CRSA)，DRSA可以处理这种不一致，文中则进一步指出有序决策表中还存在另一种不一致，不仅在应用上进一步完善了对有序表的处理，而且在理论上丰富了粗糙集中不一致的内涵。     

多视点间不一致性的认知推理

需求工程可以认为是一个知识表示,知识获取和知识分析的过程.多视点需求工程就是希望复杂系统中的不同参与者分别从自己的角度出发对预期系统进行描述,从而形成更完备的需求规约.由于多视点方法的这种特性,导致多个涉众有可能对同一问题进行描述,从而形成重叠的需求.这些重叠的需求就是涉众之间的公共知识,对公共知识的不同解释是导致需求规约中不一致问题的根源.本文对基于问题域的多视点需求建模框架进行基于时序认知逻辑的解释和推理,期望达到以下目的:1)使用户陈述的需求更加结构化;2)使用形式化的方法帮助涉众发现那些重叠的需求.     

基于搜索的上下文一致性错误处理

近年来,随着智能设备的普及和传感技术的发展,上下文感知程序的应用越来越广泛。但是由于环境噪声难以预测和控制,程序所获得的上下文经常存在一致性错误。处理这类错误的方法很多,但大都忽视了两方面的问题:1)不同一致性约束之间存在相互干扰;2)处理这类错误的操作本身可能对程序的正常运行造成负面影响。以处理这两方面的问题为目标,提出了一种新的基于搜索的上下文一致性错误处理方法,亦即既设计出一个搜索空间来查找避免约束间相互干扰和对程序产生负面影响的解,又采用了一种增量式评估方案来加速搜索的效率。经实验评估,新方法能够在很短的时间内达到非常接近最优解的效果。     

基于相似关系的数据库分类不一致程度评价

作为挖掘算法选择和评价的标准之一,数据集的分类不一致程度一直是分类规则研究中的一项重要内容.然而随着人们对不完备数据集数据挖掘的深入,建立在等价关系上的基于信息熵的评价方法已难以满足实际需要.文中在利用相似关系的基础上,结合证据理论,给出一种基于信任度与似然度的信息粒构建方法,同时构建了类似于不协调度和混淆度的系统分类不一致程度评价方法,并对其相关性质等进行分析与证明.由算例分析可以看出,文中研究结果能够较好地描述缺失环境下的系统分类不一致程度,同时当数据集不存在缺失时,该研究与以往研究具有相同结果.     

处理知识库中不一致性的超决定逻辑研究

本文首先分析了现有的能够处理知识库中不一致性的逻辑的不足，然后定义了超决定结构、模型和语义的概念，具体描述了超决定语义的计算过程，从而给出了一种能够处理知识库中不一致性的逻辑,并对该逻辑进行了一些讨论.