模糊Petri网及知识表示

在建造专家系统中虽然有很多种知识表示方法，但都有不尽人意的地方，本文试图用一种新的方法－Ｐｅｔｒｉ网模型来表示知识。本文给出了Ｆｕｚｚｚｙ Ｐｅｔｒｉ网和广义Ｆｕｚｚｙ Ｐｅｔｒｉ网两种模型，并给出了相应的推理算法，一旦专家知识用Ｐｅｔｒｉ网表示后，根据Ｐｅｔｒｉ网固有的特性，我们就能处理专家系统中并行推理、无回溯推理，反向推理等问题。     

应用带标识的模糊Petri网的模糊推理

本文针对模糊推理中常存在推理结果意义不明确的问题,提出应用带标识的模糊Petri网(MFPNs)进行模糊推理。推理的过程中考虑模糊产生式规则的权值、阈值、确定性因子等几种知识表示参数以获得更多信息。给出基于相似性测度的模糊推理算法,通过计算带标识的模糊Petri网的最终输出库所中的托肯值可以得到最终的模糊推理结果。通过实例可以验证这样得到的推理结果意义更明确,计算过程更加高效。     

Petri网用于表示知识

本文研究了各种级别Petri网与模态逻辑之间的关系.Petri网的Enlogy是研究这些关系的基础.状况(case)和可达(Reachability)概念已经成功地用于以条件/事件(Condition/Event,简称C/E)网作知识表示.本文引用上述两个概念,使位置/变迁(Place/Transition,简称P/T)网和高级Petri网(High Level Petri Net,简称HLPN)可作知识表示.为了增强以 HLPN网作知识表示的能力,我们引用了状况变量和等价状况变量的概念.文中我们还以例子说明这些方法是可用的和有效的.     

模糊Petri网知识表示方法在入侵检测中的应用

根据网络攻击具有并发性,攻击特征的提取具有不确定性等特点,给出了采用模糊Pelri网实现攻击知识的表达和入侵检测的推理模型。该模型解决了误用入侵检测系统中现有知识表示方法不能并行推理的问题,以及传统的基于Pelri网可达图搜索求解导致模型描述复杂、推理缺少智能的问题。最后通过入侵实例验证了该模型的正确性和有效性。     

模糊Petri网在带权不精确知识表示和推理中的应用研究

Petri网是一种适合于描述异步并发事件的计算机系统模型 ,可以有效地对并行和并发系统进行形式化验证和行为分析 .以模糊 Petri网的基本定义为基础 ,讨论了带权模糊知识的模糊产生式系统表示法 ,建立了这种表示法与模糊 Petri网之间的映射关系和转换算法 ;在对模糊 Petri网进一步扩充的基础上 ,解决了与知识的模糊Petri网表示相关的几个问题 ;最后给出了模糊 Petri网中不确定性的计算方法和相应的不精确推理算法     

基于模糊Petri网的产生式知识表示模型的推理

针对基于模糊Petri网的产生式知识表示方法提出一种推理规则,通过验证和确认前提条件来化简关联矩阵,从而建立一个与推理直接相关的新矩阵,免去了对知识库的盲目搜索。     

模糊Petri我在带权不精确知识表示和推理中的应用研究

Ｐｅｔｒｉ网是一种适合于描述异步并发事件的计算机系统模型,可以有效地对并行和并发系统进行形式化验证和行为分析,以模糊Ｐｅｔｒｉ网的基本定义为基础,讨论了带权模糊的模糊产生式系统表示法,建立了这种表示法与模糊Ｐｅｔｒｉ网之间的映射关系和转换算法;在对模糊Ｐｅｔｒｉ网进一步扩充的基础上,解决了与知识的模糊Ｐｅｔｒｉ网表示相关的几个问题;最后给出了模糊Ｐｅｔｒｉ网中不确定性的计算方法和相应的不精确推理算     

基于模糊Petri网的三值产生式知识表示及推理

针对传统产生式规则无法进行不确定性知识表示和推理的局限,本文使用三值产生式规则,用-1表示前提、结论和它们之间的不确定性,提出一种基于模糊Petri网的三值产生式知识表示和不确定性推理算法.该算法充分利用推理过程中已得到的中间结论,通过标识和关联矩阵的运算实现高速推理.     

基于Petri网的统一知识表示模型

本文讨论知识表示的Ｐｅｔｒｉ网模型。将多种知识分类表示，对于开发具有较宽领域知识的系统具有重要意义。本文从统一的观点出发，在给出了Ｐｅｔｒｉ网的代数规范说明后，将三种主要的知识表示方法分别与Ｐｅｔｒｉ网模型之间建立映射系统，这三种知识表示方法为：逻辑表示法，语义网络和产生式系统。     

感觉神经Petri网模型及知识表示

以普通Petri网和模糊Petri网为基础,给出了感觉神经Petri网的模型和基本定义,并讨论了其在知识表示中的应用问题。     

模糊空间Petri网的规则表示及动态推理

为便于表示模糊空间Petri网的状态变迁规则,根据空间关联影响区域分布现实特点,提出了空间模糊Petri网中的状态关联影响规则、变迁关联影响规则和多阈值激活规则。依据模糊产生式规则的特点,详细描述了10种具体的推理规则和表示组件,并以实例加以说明。在此基础上,结合模糊空间Petri网的特点提出了动态推理过程算法,可以实现各种空间状态规则因子的转化。动态推理的过程不仅可以获取某种“结果”,而且可以挖掘基于空间位置关联的中间状态及引起中间状态变化的事件,可以有效地指导风险过程预测和控制。     

Fuzzy knowledge representation and reasoning using a generalized fuzzy petri net and a similarity measure

In the study of weighted fuzzy production rules (WFPRs) reasoning, we often need to consider those rules whose consequences are represented by two or more propositions connected by “AND” or “OR”. To enhance the representation capability of those rules, this paper proposes two types of knowledge representation parameters, namely, the input weight and the output weight, for a rule. A Generalized Fuzzy Petri Net (GFPN) is also presented for WFPR reasoning. Furthermore, this paper gives a similarity measure to improve the evaluation method of WFPRs and the multilevel fuzzy reasoning in which the consequences and their certainty factors are deduced synchronously by using a GFPN.     

用双枝模糊逻辑和模糊Petri网构建的攻击模型

以双枝模糊逻辑和模糊Petri网（Fuzzy Petri net,FPN）理论为基础,定义了一种全新的网络攻击模型BBFLPAN,将网络攻击中对攻击起促进与抑制作用的两方面进行综合考虑与分析,用变迁表示攻击、防御行为的产生发展过程,库所表示系统所处的状态,将网络攻击与防御行为和攻击与防御结果进行了区分,直观地表示网络攻击的演变情况。同时结合双枝模糊逻辑,分析了BBFLPAN模型的基本推理规则,并提出了BBFLPAN的推理算法,并通过实验验证了算法的正确性。将对网络攻击实施起正反两方面的因素一起考虑和分析,使其对网络攻击的描述更加切近实际情况。     

基于双枝模糊决策与模糊Petri网的攻击模型研究

以双枝模糊决策和模糊Petri网(FPN)理论为基础，定义了一种全新的网络攻击模型BBFPAN。将网络攻击中对攻击起促进与抑制作用的两方面进行综合考虑与分析，用变迁表示攻击、防御行为的产生发展过程，库所表示系统所处的状态，从而区分了攻击行为和攻击结果，直观地表示网络攻击的演变情况。同时将变迁输入库所集所对应的因素作为决策影响因素，而将变迁作为一个决策，通过双枝模糊决策分析来判断输出库所集中库所的属性。在双枝模糊决策分析基础上，结合一种不确定推理方法，提出了BBFPAN的推理算法，并通过实验验证了算法的正确性。将对网络攻击实施起正反两方面的因素一起考虑和分析，对网络攻击的描述更加切近实际情况。     

A model of fuzzy spatio-temporal knowledge representation and reasoning based on high-level Petri nets

In many application areas there is a need to represent human-like knowledge related to spatio-temporal relations among multiple moving objects. This type of knowledge is usually imprecise, vague and fuzzy, while the reasoning about spatio-temporal relations is intuitive. In this paper we present a model of fuzzy spatio-temporal knowledge representation and reasoning based on high-level Petri nets. The model should be suitable for the design of a knowledge base for real-time, multi-agent-based intelligent systems that include expert or user human-like knowledge. The central part of the model is the knowledge representation scheme called FuSpaT, which supports the representation and reasoning for domains that include imprecise and fuzzy spatial, temporal and spatio-temporal relationships. The scheme is based on the high-level Petri nets called Petri nets with fuzzy spatio-temporal tokens (PeNeFuST). The FuSpaT scheme integrates the theory of the PeNeFuST and 117 spatio-temporal relations.The reasoning in the proposed model is a spatio-temporal data-driven process based on the dynamical properties of the scheme, i.e., the execution of the Petri nets with fuzzy spatio-temporal tokens. An illustrative example of the spatio-temporal reasoning for two agents in a simplified robot-soccer scene is given.     

基于模糊着色Petri网的车辆运动轨迹预测

车辆运动轨迹的准确预测可以对潜在交通冲突进行实时有效预测,并为解决交通冲突提供最佳策略。以真车实验数据为基础,分析车辆运动轨迹的影响因素,建立车辆运动轨迹方程,根据坐标变换以及各个方程变量参数之间的转换关系,将车速纵向和横向加速度、车身侧倾角以及俯仰角速度作为模型输入,构建论域以及隶属度函数。此外,根据车辆不可能在较短时间内状态发生急剧变化建立相应的模糊规则,建立模糊着色Petri网模型,对车辆运动轨迹进行预测。以真实路车实验数据对模型进行训练与测试,测试结果表明该Petri网模型能够对短时长内的车辆运动轨迹进行有效预测。     

模糊概念图知识表示及其推理机制研究*

通过对现有模糊概念图的研究,针对概念的所指域与模糊信息间的冗余问题和用模糊度表示模糊概念问题,提出一种改进的模糊概念图知识表示方法。在改进的模糊概念图中,用模糊集合表示概念图中的模糊概念和模糊关系,并将模糊概念的所指域同模糊集合合并,减少信息冗余。根据改进的模糊概念图,重点研究了模糊概念图的匹配推理机制,设计了基于语义约束的匹配推理算法,并定量分析了算法的时间复杂度和空间复杂度。经过在《计算机文化基础》课程中实验测试,算法反映了考生主观题的答卷情况,同人工阅卷结果基本一致。     

基于Petri网的知识空间建模方法与学习路径控制

对学生学习路径的控制和学习状态的了解在自主学习系统中是一个重要的问题,以知识空间理论为基础建立了学习状态空间,并通过Petri网对该学习状态空间进行了建模,利用Petri网实现了学习状态空间中所有可能的学习路径控制和学生学习状态的了解,在此模型中学生可以利用Petri网的变迁实现自由的学习控制,并通过Petri网库所标识来了解学生的学习状态,达到个性化学习路径的目的。     

模糊Petri网在风电机组故障诊断中的应用

针对风力发电机组故障诊断建模中动态行为较难描述的问题,结合模糊Petri网的图形描述能力及模糊推理性,提出故障诊断的模糊Petri网模型及其相应的故障诊断方法,根据故障发生的实际情况给出正反两种推理算法。用齿轮箱故障的实例加以验证,证明了该方法的正确性及在风电机组故障诊断中应用的可行性。     

一种基于知识约简的Petri网模型简化方法

提出一种基于知识约简的Petri网模型简化方法,利用知识约简中的属性约简方法,去除Petri网对应的产生式规则的冗余规则和冗余条件,简化产生式规则得出关键规则。经过知识约简后的规则库转化为Petri网模型,此时的Petri网模型的结点数目减少,因此在一定程度上降低了网系统的复杂程度。简化后的模型保持原有的信息量,而所含的库所、变迁得到了减少,在其基础上进行的知识推理,更加简单和高效。最后通过一个病例实例说明,此方法简单实用,可以有效减少时间和空间复杂度,提高知识搜索和推理效率。