基于数据表结构的FPN并行推理算法

通过对模糊产生式规则一般形式的研究，抽取出适用于FPN模糊推理的两类模糊产生式规则。定义并建立了FPN模型，将在图形结构上进行推理的传统Petri网模型映射到数据表结构上．在此基础上实现了对基于规则的正向推理和基于模糊Peari网的模糊推理算法。最后通过实例对该算法进行了检验．结果表明该算法不仅具有简单通用、容易实现和高效的特点，而且还适食于对比较复杂的模糊产生式知识库进行并行推理。     

基于Mamdani型直觉模糊推理的图像融合算法

提出了一种基于Mamdani型直觉模糊推理的图像融合算法,该算法首先根据融合目标设定推理规则,并根据推理规则建立直觉模糊推理系统,并将待融合图像的每个像素点直觉模糊化并输入系统,经过推理得到输出图像每个像素点的隶属、非隶属程度,最后通过解模糊计算输出图像的灰度值得到融合图像。实验结果证明,该算法的有效性,且由于直觉模糊集更加精确地描述了客观事物的不确定性,其融合结果优于基于模糊推理系统图像融合算法得到的结果。     

一种新的模糊规则动态调整正则项系数的神经网络学习方法

从偏差－方差模型出发，提出了一种通过模糊规则推理动态调整正则项系数的新方法，并有效地确定了模糊推理规则和隶属度函数，并将该方法与BP算法和固定正则项系数的方法进行了比较，该方法具有精度高、收敛快和泛化能力高等优点，通过实例表明了该方法的有效性。     

基于直觉模糊推理的态势预测方法

在作战辅助决策系统中,针对战场态势预测问题,提出一种基于直觉模糊推理的战场态势综合预测方法.分析了当前态势预测方法的特点与不足;建立了直觉模糊推理规则,设计了推理合成算法和解模糊算法,检验了推理规则的完备性,并引入态势指标的权重向量;最后通过态势预测中的一个具体仿真实例验证了该方法的有效性与合理性.     

基于直觉模糊Petri网的知识表示和推理

针对模糊Petri网存在隶属度单一的问题,将直觉模糊集理论与Petri网理论相结合,构建直觉模糊Petri网(Intuitionistic Fuzzy Petri Nets,IFPN)模型,用于知识的表示和推理.首先构建了IFPN模型,并将其应用于知识的表示,通过在模型中引入抑止转移弧,解决了否命题的表示问题.其次提出了基于矩阵运算的IFPN推理算法,通过修改变迁触发后token值的传递规则,解决了推理过程中的事实的保留问题;通过修改变迁的触发规则,抑制了变迁的重复触发.最后对推理算法进行了分析,并举例验证了提出的IFPN模型及其推理算法的可行性,结果表明IFPN是对FPN的有效扩充和发展,其对推理结果的描述更加细腻、全面.     

基于可信度区间的不确定性推理

不确定性推理一直是人工智能研究的重点,基于此首先阐述了不确定性推理规则的组成及其含义,然后提出了不确定性推理的通用模型,给出了一种基于可信度区间的推理方法,通过引入可信度区间、区间匹配函数来进行不确定性推理,在推理结果中通过引入权重系数来进行区间排序,从而衡量各个结果,使得推理结果更加接近实际情况。通过实例算法验证,该方法简单有效。     

基于神经网络专家系统的推理研究

为了克服传统专家系统知识获取难、学习适应能力差、推理效率低等问题,许多专家提出将神经网络与规则专家系统相结合,构建基于神经网络的专家系统模型。文中设计了一种基于神经网络专家系统模型的混合推理机制,通过对基于神经网络推理算法、规则推理算法以及神经网络与规则的混合推理算法进行实验比较,证明本文提出的混合推理机制在改善专家系统推理准确率方面的有效性。     

密码协议的一种基于组合推理的模型验证

将密码协议与协议中用到的密码算法视为一个系统，基于组合推理技术建立了密码协议系统的形式化模型。采用基于假设／保证的组合推理技术提出了新的假设／保证推理规则和假设／保证推理算法，证明了该规则的正确性，实现了密码协议系统的模型验证，并重点解决了系统分解问题、假设函数的设定问题等难题。以kerberos v5密码协议系统为例，利用该组合推理技术对密码协议系统进行了安全验证。     

含有否定命题逻辑推理的一致性模糊Petri网模型

模糊Petri网(Fuzzy Petri Net,FPN)是Petri网(Petri Net,PN)的模糊化描述的一种扩充.基于FPN模型的模糊推理规则表示和模糊推理已经得到了广泛的研究.传统的方法不能准确表示含有否定命题的产生式规则,并解决正确推理问题.本文讨论了模糊逻辑中否定的含义,将条件命题中的否定理解为其对推理规则的阻碍作用,结果命题中的否定理解为规则中的前提条件阻碍该命题的发生.在此基础上提出一种新的适合于含有否定命题逻辑规则的一致性FPN模型(Consistent Fuzzy Petri Net,CFPN)表示方法,同时在CFPN模型中引入域值的概念,并给出相应的形式化推理算法及相关证明.     

基于实例的图案生成模型

基于实例的设计方法应用于图案CAD领域是一个新的尝试.本文提出了一个基于实例推理的图案生成模型.采用结构与数据相结合的实例描述方法,将图案设计实例分解为基于框架描述的实例结构和基于多类型图元的实例数据.而把整个图案生成过程视为特定的实例结构针对不同实例数据(图元)的例化过程.对实例库的组织与检索、实例的改编与再设计等实例推理中的关键技术,提出了新的求解策略.同时,利用知识推理方法,在图案生成过程中引入了基于设计上下文的引导式交互技术以及局部操作到整体布局的自动提升等智能化交互技术,简化了图案创作过程.实际结果表明,实例推理方法对于系列化、规格化的图案设计是一种有效的求解方法.     

基于HIPN网的推理算法研究

基于HIPN网的知识表达有知识的长效性和避免重复运算两个优势。提出了一个基于HIPN网模型的逻辑推理算法,该算法结合经典的归结证明策略,并充分利用归约过程中已经得到的中间结论。与现有T-不变量和线性代数的求解算法相比,大幅减少了重复推理过程,有效地提高了推理效率。     

智能环境下基于雾计算的推理节点优化分配研究

智能环境传统的规则推理机制中，网关内布置的推理机从各种传感器中获取推理所需数据并与规则库相匹配，承担整个推理工作.本文利用Rete算法将规则构建为推理网络，并结合雾计算的概念将Rete推理节点分配至环境内配置的智能节点中协同推理以减轻网关负载，由此推理节点的分配成为关键，分配不合理将导致资源利用不平衡及响应延迟.本文利用活动影响下规则触发的规律设计了活动聚类算法CoA（Clustering of Activities）对活动聚类后分别建立其推理网络，计算出智能节点之间的最短路径后将结果代入针对其层次延迟性而设计的分配算法AAoRN（Allocation Algorithm of Rete Inference Nodes），从而将推理节点最优分配至各个智能节点.理论分析和实验结果表明，本文机制在有效利用智能节点资源的同时降低了大致55%的延迟.     

基于直觉模糊推理的医学图像融合方法研究

针对传统的模糊推理融合方法生成融合图像质量不高的问题,提出了一种基于直觉模糊推理的医学图像融合新方法。根据直觉模糊集的定义,利用直觉模糊理论在处理不确定问题中的优势,制定直觉模糊推理规则,进行图像融合。给出了算法的具体步骤,仿真结果表明,文中提出的算法明显优于传统的模糊推理融合算法。     

基于自动机的TCP流识别算法

为提升网络流识别性能,本文提出了一种TCP流识别算法.该算法基于传输控制协议(Transmission Control Protocol,TCP)下网络通信双方的交互过程构建双向流自动机,由该自动机根据TCP协议规则和网络流当前状态判断TCP流终止,同时以基于规则的过滤机制和超时策略为辅助措施,快速识别单包流和异常中断流.该算法内存开销、计算和内存总开销均低于经典算法固定超时策略(Fixed Timeout strategy,FT)和同类代表性算法两层自适应超时策略(Two-level Self-Adaptive Timeout,TSAT),同时该算法精度高于TSAT,且仅比默认精度标准略有下降.该算法基于协议规则识别TCP流,既保证了流的准确性,又节省了流的超时等待时间,而且算法尤其适合中流、小流和不规则TCP流比重较大的情况,使得识别系统在面临DDoS攻击、蠕虫爆发等网络异常时仍能正常运行.