粗糙集理论中概念与运算的信息表示*

粗糙集理论对知识进行了形式化定义,为知识处理提供了一套严密的分析工具,但在代数表示下,粗糙集理论的本质不易被理解,并且,尚无高效的知识约简算法.该文首先建立了知识与信息之间的关系;然后,在此基础上给出了粗糙集理论中概念与运算的信息表示;最后,证明了知识约简在信息和代数两种不同表示下是等价的.这些结论有助于人们深刻理解粗糙集理论的本质,同时,为寻找高效的知识约简算法奠定了基础.  

一种新的决策树归纳学习算法

本文不示例学习的重要分枝－－决策树归纳学习进行了分析探讨，从示例学习最优化的角度分析了决策树归纳学习的优化原则，指出了以往的以ＩＤ３为代表的归纳学习算法所固有的缺陷，并提出了一种新的基于概率的决策树归纳学习算法ＰＩＤ，ＰＩＤ在扩展属性的选择上仍采用基于信息增益率的方法，但在树上的扩展过程中，采用属性聚类的方法进行树的支合并。ＰＩＤ得到的决策树在树的规模和分类精度上都优于ＩＤ３。  

语义图像检索研究进展

语义图像检索已成为解决图像简单视觉特征和用户检索丰富语义之间存在的“语义鸿沟”问题的关键。从图像语义描述方式、图像语义抽取方法和语义检索系统设计3个方面对语义图像检索的研究状况进行了分析和研究；讨论了面向对象的图像内容模型和图像语义表示问题；对利用系统知识的提取、根据用户交互的提取和利用外部信息源的语义生成等具有代表性的语义处理方法进行了阐述；介绍了系统设计中用户界面和语义处理的不同方式，最后从对象识别、语义抽取规则、用户检索模型和图像检索性能评价标准4个方面剖析了实现图像语义处理所面临的困难，并提出了一些初步解决思路。  

关于知识表示的讨论

知识表示是人工智能（ＡＩ）研究中基本问题之一，对ＡＩ来说，知识表示的研究分成两个层次：（２）知识表示方法的研究，（２）表示观的研究，首先，本文在总结各种表示方法的基础上，提出了一种“知识表示体系树”，以观察ＡＩ研究的发展趋势，其次，文中收集了目前ＡＩ学界对这个问题讨论了各种主张，并将其归纳为评论论、本体论及知识工程等三类对表示的观点；最后，还讨论了ＡＩ一些研究分支与表示的关系。  

智能教学系统的发展与前瞻

该文回顾了ITS的发展历史，并通过对影响ITS发展的相关学科的分析，做出了对ITS未来的预测。  

语义万维网的概念、方法及应用

近两年来，语义万维网(semantic web)的研究逐渐引起了知识表示、逻辑编程、信息系统集成、web开发等各个领域的广泛关注笔音在研究万维网环境下的领域知识表示及语义共享模式的过程中，阅读了大量有关语义万维网的文献资料，认为，语义万维网的研究将对传统web上信息的发布、存储和处理方式产生一场变革，但是语义万维网的概念、思想和方法还处于形成阶段，国内少有综述性的文献，对语义万维网及其相关技术的认识比较模糊。该文分析了语义万维网的起源、概念、技术框架，总结了语义万维网及相关工具的现状，并讨论了语义万维网技术在智能信息检索、企业间数据交换、知识管理以及万维网服务中的应用。  

基于云模型的不确定性知识表示

云模型是用语言值表示的定性概念与其定量表示之间的不确定性转换模型，论文通过对云模型数学性质的研究，分析云模型的产生背景，证明其表示不确定性知识的合理性和有效性，最后给出了一个应用实例。  

面向对象的知识表示方法

本文在分析了传统的知识表示方法基础上，着重探讨了面向对象的知识表示的方法，特点，推进及程序实现问题。  

从知识表示到表示:人工智能认识论上的进步

知识表示是对智能进行模拟的一个数学模型，然而它可以不是一个对智能本质的描述，特别是传统的符号主义知识表示离揭示人的智能行为发生的内在过程还有很大的差距，在神经科学和心理学的指导下，通过对智能行为的生理基础和心理过程的研究，遵循“解释智能”的思想，可以得到对知识的心智表示的新认识，这种表示观的不同，预示着人工智能方法论上的进步。  

基于间断区间的时态知识表示

一般，用逻辑形式表示时态信息的方法是命题附加一个时间点或时间区间。文［１］指出，时间区间表示单个事件带间断区间是困难的，不过，文［１］定义两个间断区间的时态关系为一个矩阵，其计算量相当之大以至该方法不实用二本文给出一个基于间断区间的时态知识表示模型，它将两个间断区间的时态关系分为２０种，其计算量与Ａｌｌｅｎ的区间演算属同一数量级。