PROLOG程序中无限循环的检测及处理

PROLOG程序中的无限循环直接影响到程序执行的可终止性和答案完全。解决此问题的方法一般分为两类:预防和检测。本文指出了预防方法的不足,并提出了一种静、动态相结合的检测、处理方法。     

基于知识的数据库概念模式自动设计系统——KACMDS

本文介绍在IBM-PC机上用Micro-PROLOG编程实现的基于知识的数据库概念模式自动设计系统——KACMDS的基本思想,该系统利用PROLOG语言较强的知识表达能力和知识推理能力,将Armstrong公理的语法规则与实际应用环境的语义限制紧密地结合起来,解决了多联系(Multiple Associations)环境下概念模式设计自动化遇到的“信息丢失”和“非法添、删联系”等问题,保证了机器设计的正确性,提高了设计的自动化程度,系统以本文提出的DAM图作为数据库设计的接口语义模型,该模型比E-R图更面向用户和设计者,而且能很容易地被映射到PROLOG数据库,是数据库设计自动化的基础,KACMDS的最后输出为最优3NF概念模式(Optimal 3NF Conceptual Model)。     

论CIMS的软件设计方法学

本文从计算机集成制造系统(CIMS)的需求和研究与开发目标出发,指出必须解决的若干计算机技术的关键问题,进一步基于作者关于CIMS将通过计算机软件的集成来实现的观点,较为全面地论述了从系统建模、系统分析到描述工具等主要的软件设计方法学问题,文末综述了CIMS研究与开发的发展前景。     

从数据库到知识库

本文论述了由数据库到知识库的转移是数据库和AI理论/技术向前发展以及计算机应用领域扩大的必然结果,讨论了数据库与知识库的区别和联系,分析了从数据库到知识库要解决的主要问题及实现途径,提出了一个基于关系型数据库管理系统的知识库系统的结构方案。     

不确定演绎数据库向PROLOG数据库的映射:问题和方法

从证明论(Proof Theory)的观点看,演绎数据库构成了一种特殊的一阶理论,并被分为确定(Definite)和不确定(Indefinite)两种形式。很容易用PROLOG表示和处理确定型演绎数据库,因为组成它的事实和推演规则(Deductive Rules)为一组Horn子句。非Horn子句(non-Horn Clauses)的存在使不确定演绎数据库向PROLOG数据库的映射复杂化。实现这种映射面临的主要问题为:1).如何用PROLOG表示和处理non-Horn子句;2).如何克服闭域假设(Closed World Assumption)下的不一致性;3).空值(Null Values处理;4).如何得到不确定解答(Indefinite Answers)。本文分别讨论了这些问题,并提出了解决方法。     

数据库技术的发展——第12届国际VLDB会议评介

数据库技术的研究从60年代C.W.Bachman提出数据图算起,只有20年左右的历史.1970年E.F.Codd提出关系数据模型,是里程碑的事件之一.为了进一步推动数据库技术的研究和发展,1975年在美国举行了首届VLDB会议.接着开始出版ACM TODS专业性刊物.由于这一时期数据库技术的迅速发展,到70年代后期,数据库技术已被公认为“计算机和信息科学与工程领域内的七个主要的研究和发展领域之一”. 数据库(以下简称DB)技术的成就是人所共知的:(1)数据的逻辑和物理组织方面,建立了良好的概念,(2)为处理大容量数据和频繁的事务,提供了坚固的软件和硬件系统,(3)适于从普通人员到程序员使用的各种友好的用户接口,(4)以关系数据模型为基础的DBMS,仍然在发展之中,(5)ER模型及其变形日益得到概念设计人员的广泛使用,(6)B树、B~+树和多重链表文件结构已经成为人们愿意采用的存储结构,(7)R-树和k-d树等新的索引技术的出现,(8)SQL已达到标准化水平,(9)分布数据库技术的实现,…等等.这些成就标志着DB技术的成熟.但是,数据库领域内,是否所有问题都已经得到了解决?数据库研究人员是否已转向如知识库、用户接口、面向对象的系统和软件工程等领域?是否数据库研究的第一阶段已经结束?数据库技术的研究和发展处在转折时期,DB技术向何处去? 1986年8月25日到28日在日本京都国际交流中心召开的第12届VLDB国际学术会议就是在这样的背景下展开的.“向着新一代的数据库”是第一天辅导讲座的中心议题.分别从(1)数据库的概念模式(2)数据库系统的数据组织与查询处理(3)分布式和多介质数据库(4)数据库设计-理论和实践(5)基于智能模型建立方法的问题求解系统(6)演绎数据库等6个方面回顾过去、分析现状、介绍成果、展望未来. 论文报告共48篇,涉及知识库、数据模型、查询和递归查询处理、关系操作优化、复杂对象、数据库应用和性能、分布数据库、数据库机器等许多方面的研究成果,并以“知识库和数据库工程”和2000年的数据库技术?”人们最感兴趣的问题,展开了热烈的专题讨论,吸引了与会340多人的注目.S.M.Deen认为“现在是回顾过去、分析现状、探讨未来的最恰当的时刻”.     

非Horn子句在PROLOG中的表示与处理

1.非Horn子句向Horn子句的转换问题子句的一般形式为 R_1∨R_2∨…∨R_q←P_1∧P_2∧…∧P_k (1)其中R_i(i=1,2,…,q)和P_j(j=1,2,…,k)都为原子公式,当q=1或q=0时,称(1)为Horn子句,而当q>1时,称它为非Horn子句(non-Horn Clause)。     

基于多分辨率图像锥结构的乳腺肿块自动识别和描绘方法

在乳腺图像中,肿块大多被埋没在复杂的、高密度的腺体背景中难以检出和识别。针对这一问题,提出了一种基于多分辨率图像锥结构的乳腺肿块自动识别方法,在低分辨率图像上检测肿块种子区域,在高分辨率图像上实现肿块的边缘细化和描绘。文中介绍了多分辨率图像锥结构的生成方法,并对几种典型的构造方法做了比较;结合传统种子识别的原则,提出了一种使用BP人工神经网络用于实现低分辨率图像中肿块种子区域检测的新方法;在实现由低至高的边缘描绘细化的生长算法中,提出了一种新的权值判别规则,同时添加了标志锥,使得生长算法不再严格受限于肿块种子的面积和形状。用该文提出的方法对MIAS数据库中54幅带有肿块的乳腺图像做了验证,识别率为89%,实验结果证明这种方法对于辅助临床医生诊断乳腺病变是有效的。     

思维(认知)科学的启示——人工智能的可能与现实(待续)

思维是大脑的功能,尤其是大脑皮质的功能;思维表现为智能,而思维的泉源则是大脑所记忆的知识。这已经是一种常识。然而大脑是怎样进行思维的?又是怎样记忆的?却至今是人类的一个未解之谜。基于符号处理的计算机,可以通过精心设计的程序,使它在一定程度上表现出某种类似于人的智能行为。这就是已经有三十多年研究与开发历史的人工智能(以下简称 AI)。正     

PROLOG并行解释系统中AND/OR并行成份选择策略

作者认为变量共享以及 ADDCL、DELCL和KILL等数据库操作内部谓词的副作用是影响顺序 PROLOG并行解释的并行度的主要因素。寻求一种识别、选择AND/OR并行成份的有效算法,获得PROLOG子句和子目标的最大可并行计算类,是PROLOG 并行解释的重要步骤。本文对这一问题进行详细讨论,得出了若干实用的结论。