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。     

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.     

类规则表示及其不精确推理算法

知识表示是目前人工智能中一个研究热门,因为现有的各种知识表示方式,虽然都各有其优点,但也各有其弱点,离人们要求的目标距离还远。本文介绍一种新的知识表示,我们称之为类规则表示。所以称之为类规则,一是因为它与规则表示很类似,二是     

应用带标识的模糊Petri网的知识表示方法

提出一种在某些库所中带有标识的模糊Petri网模型来进行知识表示。为了获得更多的加权模糊产生式规则的信息,在知识表示的过程中考虑了权值,确定性因子,阈值等参数。这种模糊Petri网充分利用了Petri网的并行处理能力。随着带标识的模糊Petri网的运行,网中标识的变化可以标记加权模糊推理的运行。通过文中给出的基于相似性测度的计算方法可以更加高效地计算出多层加权模糊推理的推理结果。     

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。     

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.     

模糊推理Petri网及其在故障诊断中的应用

分析了推理Petri网与传统Petri网的共性和区别,给出了模糊产生式规则推理Petri网模型.在此基础上,给出了有效的推理算法,并以极大代数矩阵算子进行了形式化表示,此算法充分利用了Petri网的数学理论基础和描述并发系统的能力,具有并行推理能力,可以同时得到推理后系统的全部状态值.最后举例说明了其在故障诊断中的应用.     

面向对象双变迁Petri网及应用研究

针对Petri网数据流描述能力的不足,引入了数据变迁的概念,给出了双变迁Petri网的定义和图形表示,详细分析了双变迁Petri网的行为规则;定义了面向对象双变迁Petri网,使复杂系统的网模型易于分析理解;实例建模表明,该方法对控制流和数据流共存的复杂系统建模十分有效.     

模糊Petri网在FMS故障诊断中的应用研究

针对柔性制造系统（ＦＭＳ）故障诊断的特点，将模糊Ｐｅｔｒｉ网扩展为模糊行为Ｐｅｔｒｉ网（ＦＢＰＮ）．并应用于知识的表示中，讨论了ＦＭＳ系统、ＦＢＰＮ及产生式规则之间的对应关系，提出一种模糊反向推理机制，给出了利用ＦＢＰＮ进行知识表示和推理的实例．     

时间Petri网的分析工具PANT及其在调度问题中的应用

本文介绍了时间Ｐｅｔｒｉ网的分析工具ＰＡＮＴ。我们将首先探讨ＰＡＮＴ所处理Ｐｅｔｒｉ网的结构以及它所表现出的动态行为，并构造出相应的分析算法；其次，我们将通过求并行计算的调度问题，探讨如何利用ＰＡＮＴ对时间Ｐｅｔｒｉ网的分析能力来解决应用问题。     

基于Petri网超媒体模型研究

在分析当前超媒体形式化模型特点的基础上,本文提出了一个全新的模型－ＣＰＮＨ,它基于有色Ｐｅｔｒｉ网,具有刻画分布超媒体主要性质的能力,与其他模型相比该模型能够有效解决并发浏览、存到控制和版本总理２,而且有力刻画了分布环境下多媒体的动态特性文中着重给出了ＣＰＮＨ模型的形式化定义并举例说明。     

基于属性Petri网的语义网络知识表示

首先给出了基于定性映射的属性Petri网的形式定义和运行机制;其次给出了基于属性Petri网的语义网络知识表示模式,此模式适合干感觉特征抽取与整合,和基于该机制的各种思维功能的描述。     

CASE-BASED REASONING AND KNOWLEDGE DISCOVERY IN MEDICAL APPLICATIONS WITH TIME SERIES

This paper discusses the role and integration of knowledge discovery (KD) in case-based reasoning (CBR) systems. The general view is that KD is complementary to the task of knowledge retaining and it can be treated as a separate process outside the traditional CBR cycle. Unlike knowledge retaining that is mostly related to case-specific experience, KD aims at the elicitation of new knowledge that is more general and valuable for improving the different CBR substeps. KD for CBR is exemplified by a real application scenario in medicine in which time series of patterns are to be analyzed and classified. As single pattern cannot convey sufficient information in the application, sequences of patterns are more adequate. Hence it is advantageous if sequences of patterns and their co-occurrence with categories can be discovered. Evaluation with cases containing series classified into a number of categories and injected with indicator sequences shows that the approach is able to identify these key sequences. In a clinical applica-tion and a case library that is representative of the real world, these key sequences would improve the classification ability and may spawn clinical research to explain the co-occurrence between certain sequences and classes.     

基于知识Petri网的机器人装配规划

本文介绍了知识Ｐｅｔｒｉ网（ＫＰＮ）的基本概念，在柔性装配系统（ＦＡＳ）中的基于ＫＰＮ的机器人规划的硬件环境和任务，以及用ＫＰＮ为机器人装配规划建模和它的运行。文中详细论述了如何建立邻接矩阵，构造与／或树图，建立邻接链表，构造ＫＰＮ，以及最后如何运行ＫＰＮ。