排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
N-SHOQ(D):描述逻辑SHOQ(D)的一个非单调扩展 总被引:4,自引:0,他引:4
描述逻辑SHOQ(D)给出了Web本体语言DAML OIL的语义,但SHOQ(D)只能处理严格成立的完备知识,不能处理在实际情况中经常出现的不完备知识.对描述逻辑SHOQ(D)进行扩展,提出了能够处理不完备知识的非单调描述逻辑N—SHOQ(D).给出了N—SHOQ(D)的语法和语义,定义了N—SHOQ(D)中的蕴涵推理关系,研究了N—SHOQ(D)所具有的性质.N—SHOQ(D)为扩展DAML OIL语言到能够处理不完备知识的情形提供了语义支持. 相似文献
2.
3.
研究了基于全序划分模型的开放逻辑的计算复杂性,证明了,在考虑一般公式的情形下判定一个公式是否被重构所蕴涵是Ⅱ2^p完全的,如果限制到考虑Horn公式的情形,则为co-NP完全的,由此表明,从计算复杂性角度来说,该判定问题在一般情形下比经典逻辑中的演绎推理问题更难,在Horn公式情形下则和经典逻辑中的演绎推理问题难度相当,假定P≠NP,那么对于两种情况都不存在多项式时间算法。 相似文献
4.
数字音频指纹技术综述 总被引:5,自引:0,他引:5
近年来,互联网上出现了海量音乐信息,手工选取某首歌曲很多时候已经变得不可能.这直接促使产生了能够进行音乐自动识别的数字音频指纹技术,并成为研究界和工业界一个非常活跃的研究开发领域.数字音频指纹是指可以代表一段音乐重要声学特征的基于内容的紧致数字签名,其主要目的是建立一种有效机制来比较两个音频文件的感知听觉质量,可用在音频识别、内容完整性校验等应用中.本文介绍音频指纹技术的产生背景、基本概念及性质、典型应用场合及模型,澄清了音频指纹这一术语在音频识别和音频水印中的区别,综述了现有的绝大多数典型音频指纹算法,最后讨论了存在的问题并提出了可能的解决方案. 相似文献
5.
基于遗传算法的Bayesian网结构增量学习的研究 总被引:1,自引:0,他引:1
已建成的Bayesian网与领域环境间可能存在较大偏差,加之领域本身固有的动态变化特性,因此在观察到新数据时,改善Bayesian网的性能和优化网络结构是十分必要的.提出了一种基于遗传算法的Bayesian网(包含结构和参数)求精算法.该算法基于上次的求精结果把已有的不完备数据转化成完备数据,以期望充分统计因子作为已有数据的主要存储形式,基于本次求精过程中的当前最佳个体对新数据进行完备化,并由遗传操作综合利用新数据和已有数据进行求精.模拟实验结果表明,该增量学习算法能较有效地从不完备数据中求精Bayesian网. 相似文献
1