真值函项理论与怪论

真值函项理论对复合命题的解释和刻画与复合命题的直观含义存在着不一致,这种不一致导致的"怪论"既存在于实质蕴涵,也存在于合取和析取.合取和析取仅存在"语法怪论",这种"怪论"是由形式语言和自然语言在语法上的不一致造成的,其表现是将不合法的、无意义的语句当作合法的、有意义的.实质蕴涵则不仅存在"语法怪论",而且存在"语义怪论";后者是由实质蕴涵和"如果……那么……"在语义上的不一致造成的,其表现是将假的充分条件假言命题判定为真的,以及把直观上能确定真假的充分条件假言命题当成无法确定真假的."语义怪论"的存在表明,用真值函项解释来确定假言命题的真假是不可行的.     

一种子句重构的增强Tableau算法

利用非循环定义的概念可展开的特性,提出一个基于子句重构的增强Tableau算法.采用最简洁的概念合取子句代替原来的子概念集对完整树/图上的结点进行标记,并设计一组推理规则以构建这样的完整树/图,从而消除传统Tableau算法中的∩-规则、∪-规则所带来的概念描述重复.因而在非循环定义概念可满足性判定问题上,空间性能有明显提高.此外,虽然文中只提供针对SI语言的规则和证明,可是这种处理思路同样适用于其它描述逻辑语言,因而具有一定的推广价值.     

模糊描述逻辑知识库查询蕴涵的判定方法

大规模领域本体的快速发展对语义Web领域的数据访问提出了更高的要求,而基本的本体推理服务已不能满足数据密集型应用中处理复杂查询(主要是合取查询)的迫切需要.为此,大量的研究工作集中在本体和描述逻辑知识库合取查询算法的设计实现上,并开发出了很多知识库存储和查询的实用工具.近来模糊本体和模糊描述逻辑的研究,特别是它们在处理语义Web中模糊信息方面,得到了广泛关注.文中重点研究了模糊SH这一族极富表达能力的描述逻辑知识库的合取查询问题,提出了相应的基于推演表的算法,证明了算法对于f-SHOIQ的真子逻辑的可靠性、完备性和可终止性.证明了算法对于f-SHOIQ是可靠的,并分析了导致算法不可终止的原因.对于该问题的数据复杂度,证明了当查询中不存在传递角色时其严格的CONP上限.对于联合复杂度,汪明了算法关于知识库和查询大小的CO3NEXPTIME时间复杂度上限.     

一种改进的证据冲突衡量因子

为解决证据融合时证据间冲突衡量不准确问题,提出了一种新的证据冲突衡量方法。对当前冲突衡量方法国内外研究现状进行总结,结合典型算例分析,指出了当前方法存在的主要问题。基于前人研究成果,提出了一种改进冲突因子用于衡量证据间冲突,主要基于修正证据距离与合取冲突,对两者采用加性组合。通过一般类型算例与特殊类型算例对所提方法进行验证,结果表明改进的冲突衡量因子能够准确衡量证据间冲突,并具有普适性。     

命题逻辑中推理理论的数字形式

本文对简单合取式的主析取范式及简单析取式的主合取范式作了数字形式上的表示,在一定程度上简化了自然推理系统P.     

基于逻辑合取的语言真值概念格合并算法

针对人工智能领域中有关不确定性自然语言的研究，将格值逻辑引入概念格，提出了自然语言转换为语言真值的方法，并基于语言真值格蕴涵代数建立了语言真值概念格.通过对各语言真值形式背景及形式概念间关系的分析，演示了由多个语言真值概念格的合并而构造完整概念格的具体过程，进而给出了语言真值概念格基于逻辑合取的合并定理与算法.实验表明，与Bordat算法相比，当属性个数增多时，适当的合并算法能够使其时间复杂度呈指数型降低.     

深度分销 组合取量 电磁炉三四组市场开发一例

说到三四级电磁炉市场．表面看似乎是杂牌的温床．但实质上其真正的原因是因为杂牌产品分销彻底．价格有优势．自然销售多一些．相反品牌厂家产品分销不深人．覆盖不到位．在三四级市场呈现出完全不竞争的状态．因此品牌企业如何开发三级市场深入四级市场．向广大的二三四级市场要销量，成为各厂家迫切需要解决的重要课题．     

信念网络检索模型扩展研究

依据《同义词词林（扩展版）》,以初始查询的同义词为证据扩展基本信念网络,得到扩展的信念网络检索模型,扩展模型采用不同的归并方法将得到不同的排序计算式。在析取归并算法的基础上,给出了合取归并算法,并对其进行了合理的修正。实验证明,合取情况下的检索性能高于析取情况。     

信息规律智能融合与它的智能融合内-分离

函数P-集合(function packet sets)是把函数概念引入到P-集合(packet sets)内改进P-集合得到的一个动态信息规律模型。函数P-集合是由函数内P-集合S珚F(function internal packet set S珚F)与函数外P-集合SF(function outer packet set SF)构成的函数集合对;或者,(S珚F,SF)是函数P-集合。P-推理(packet reasoning)是由P-集合得到的一个动态推理,P-推理由内P-推理(internal packet reasoning)与外P-推理(outer packet reasoning)共同构成。把函数引入到P-推理中,改进P-推理,给出P-信息规律推理;把函数内P-集合与内P-信息规律推理交叉、渗透,给出内P-信息规律智能融合与内P-信息规律智能融合内-分离研究。给出:内P-信息规律智能融合的内P-信息规律推理生成,内P-信息规律智能融合与属性合取扩展定理,内P-信息规律智能融合的内-分离与还原,内P-信息规律智能融合的内-分离与未知信息规律发现-应用。     

动态知识智能发现与属性逻辑动态关系

单向S-粗集(one direction singular rough sets)与单向S-粗集对偶(dual of one direction singular rough sets)是S-粗集(singular rough sets)的两种动态结构;在一定条件下,单向S-粗集与单向S-粗集对偶被还原成Z.Pawlak粗集.单向S-粗集与单向粗集对偶分别是S-粗集的基本形式之一.利用单向S-粗集与单向S-粗集对偶,给出动态知识的属性合取范式与属性合取范式萎缩-扩张特征,给出知识推理结构与推理模型.利用单向S-粗集,单向S-粗集对偶,属性合取范式与知识推理交叉、融合、渗透,给出具有属性合取范式萎缩-扩张特征的动态知识生成与生成定理;给出在知识推理条件下的动态知识智能发现与它的属性逻辑关系;给出动态知识的智能筛选、筛选准则、筛选定理与应用.