动态描述逻辑的可拓集合扩展

通过对可拓集合与经典集合、模糊集合的分析比较,说明可拓集合的特点和优点,用可拓集合代替经典集合或模糊集合作为动态描述逻辑DDL的集合论基础,对DDL进行扩展,生成了一种新的描述逻辑DDES,并给出了DDLES中概念、关系和实例的描述形式以及它们的语义解释,最后对传统描述逻辑ALC、模糊DDL和DDES中的Abox形式进行了比较.     

面向矛盾问题的描述逻辑SHOQ扩展

为了利用描述逻辑的推理规则分析并解决简单矛盾问题,引入了可拓集合作为描述逻辑SHOQ的集合论基础,提出了一种新的描述逻辑D-SHOQES,定义了可拓概念和可拓关系的截集形式作为原子概念和原子关系,引入了动作理论以获取概念和关系的质变域和量变域,并给出了D-SHOQES中概念、关系、动作等的语义解释以及Tableau-算法推理规则,研究了矛盾问题的一般求解方法,从而为矛盾问题的求解提供了策略。     

基于可拓理论的描述逻辑扩展

传统描述逻辑不适合于处理信息不全、存在隐性知识甚至存在矛盾前提的问题,所以作为语义Web的逻辑基础它是不充分的,为此引入可拓学中的物元及其发散规则对它进行了扩充。首先给出了物元的语义解释,然后引入物元及其发散规则扩充Tableau算法,生成了Tableau E算法和Tableau E′算法,从而实现了对实例断言集Abox的扩展以及一致性检测,弥补了传统描述逻辑的不足。     

中小企业协同制造中投标企业可拓评价方法

针对中小企业协同制造过程中投标企业的综合评价问题,提出符合中小企业特点的评价指标,然后给出了形式化的投标企业评价物元模型,进行投标企业可拓综合评价。该方法利用可拓理论对经典集合理论和模糊集合理论的语义进行扩展,通过关联度、合格度和优度计算,客观地给出了投标企业的综合评价结果,并在中小企业网络化协作系统中得到验证。     

基于可拓知识模型的决策评价系统的研究与实现

该文结合循环经济发展评价指标体系特征,以可拓学的物元模型和可拓集合、关联函数理论为基础,结合层次分析法,建立了研究复杂指标体系和评价模型的可拓知识表示方法和实现方法,并给出了面向对象的可拓知识表示框架和知识库的逻辑设计。     

可拓信息-知识-智能形式化体系研究

利用可拓论和可拓方法，把信息、知识和智能统一在一个形式化体系中，用可拓推理和可拓变换，去建立生成策略的推理规则，把可拓集合和关联函数作为策略生成和策略评价的定量化工具，探讨建立“可拓信息-知识-智能形式化体系”．给出了建立该体系的框架和主要功能模块．这一研究为利用计算机辅助解决矛盾问题提供可行的工具，为提高计算机的智能化水平创造基础条件．     

基于本体的可拓知识链获取

相对于静态的知识，定义了基于可拓变换的可拓知识，可拓知识是变化的知识．在可拓知识定理（从知识中获取可拓知识）和可拓推理公式的基础上，证明了基于集合的可拓知识定理和基于本体的可拓知识链定理．通过实例，在多维层次数据中，获取问题产生原因的可拓知识链．     

支持模糊数据类型表示的模糊描述逻辑F-SHOIQ(G)

分析了现有描述逻辑在模糊知识和数据类型表示方面存在的问题,提出了一种新的模糊描述逻辑F-SHOIQ(G).F-SHOIQ(G)不仅能够表示模糊知识,而且能够表示含有自定义模糊数据类型及自定义模糊数据类型谓词的模糊数据信息.首先,给出了模糊数据类型域的概念和模糊数据类型表示的一般形式,在此基础上,定义了F-SHOIQ(G)的语法、语义及相应的知识库,进而给出了基于模糊Tableaux的F-SHOIQ(G)概念的可满足性推理算法.其次,将经典描述逻辑中的推理结构(该结构将Tableaux扩展规则推理和数据类型推理相分离)用于F-SHOIQ(G)的推理问题,设计了相应的模糊数据类型推理机.最后,详细证明了F-SHOIQ(G)概念的可满足性推理问题是可判定的.在数据类型表示方面,F-SHOIQ(G)具备比FSHOIQ更强的表达能力和推理能力,为语义Web表示和推理模糊数据信息提供了理论基础.     

模糊描述逻辑L-ALCN

为了使描述逻辑能够处理更一般化的模糊信息,Straccia给出了基于完备格的L-ALC描述逻辑系统．在该方法的基础上,提出了带数量约束算子的L-ALCN系统,给出了望ALCN的语法,并详细给出了概念（≥n R）和（≤n R）的语义．经典的描述逻辑系统中引入了数量约束算子后,角色尺就出现了多个后继．当系统的真子集扩充到完备格时,角色R的后继和断言的真值同时出现了多个．为了保证推理算法的合理性且得到可行的计算复杂度,引入了一个特殊的集合DL（c）,并且利用集合DL（c）扩展了完备格上的两条运算性质．在这些工作的基础上,深入研究了系统的推理算法,并证明了算法的终止性、可靠性与完全性．相对于L-ALC,系统L-ALCN具有更强的表达能力,并且L-ALCN的计算复杂度是Pspace完全的．     

OWL DL的形式化基础研究

W3C正在制定的OWL DL是一种面向语义Web的知识表示标记语言，具有较强的知识表达能力并适合大规模应用的推理效率，是语义Web领域对适合语义Web应用的知识表示标记语言进行研究的最新综合．在知识表示领域，为了对知识表达能力和推理效率做合适的折衷，进行了大量关于描述逻辑的研究，本文以描述逻辑作为OWL DL的形式化基础，详细分析了OWL DL和描述逻辑间的对应关系，用描述逻辑的语义解释了OWL DL的各个基本元素，从而可以将描述逻辑领域研究的大量成果应用到OWL DL上来，为进一步研究OWL DL的知识表示、推理等问题奠定了基础．     

基于描述逻辑的模糊ER模型的表示与推理

重点分析了将ER模型分别转化为描述逻辑ALNUI知识库和DLR知识库的不同之处.在深入研究了描述逻辑DLR的基础之上,对DLR进行了模糊化扩展,提出了一种新的模糊描述逻辑FDLR(fuzzyDLR).定义了FDLR的语法结构、语义解释以及知识库的形式,研究了如何将模糊ER模型转化为FDLR的知识库.通过一个转化实例例证了FDLR能够很好地对模糊ER模型进行表示,并利用FDLR的推理机制研究了模糊ER模型的自动推理问题,同时给出了上述转化和推理问题的正确性证明.     

F-SHIQ公理体系及其OWL扩展

随着计算机和Internet的快速发展,语义网和描述逻辑在人工智能等领域扮演着越来越重要的角色。但在日常生活中,越来越多不确定的、不完整的知识需要解决,而现存的OWL只能表述确定的完整的概念和关系。为了能够表示和推理模糊知识,给出了一个基于描述逻辑SHIQ的全新的模糊描述逻辑公理体系——F-SHIQ公理体系,并以此公理体系为基础,扩展了OWL本体语言,能够描述和推理模糊知识。该文首先给出了系统详细的定义、公理、定理以及定理的证明;然后详述了如何用FSRL,即基于F-SHIQ的OWL扩展,来表示和推理模糊信息;最后通过一个例子来检验扩展语言的应用效果。     

描述逻辑的粗糙扩展研究

由于传统的描述逻辑系统不适于表示不确定的、模糊的知识,本文将基于粗糙集语义的下近似和上近似引入描述逻辑系统中,使用一种简单的方法将传统描述逻辑进行扩展,介绍了粗糙描述逻辑的概念,在粗糙描述逻辑系统中我们可以使用适当的子概念和超概念来对某些模糊的知识进行约束表示。本文主要讨论描述逻辑ALC的粗糙扩展,介绍扩展后所得到的粗糙描述逻辑RALC的语法、语义和相关推理问题,探讨了使用粗糙描述逻辑来对不精确概念进行建模的基本思想,最后提出了一个RALC的可满足性问题的推理算法。本文的工作可以使得在描述逻辑中对不确定的知识进行形式化描述和推理更加方便。     

基于本体和云理论的不确定知识表示

描述逻辑是本体的重要表示方式,但只能处理严格的确定性的知识,并不能处理自然界中广泛存在的模糊的和不确定的知识。通过对最基本的描述逻辑ALC进行扩展,提出了能够处理不确定知识的基于本体和云模型不确定描述逻辑:Cloud-ALC,给出了Cloud-ALC的语法和语义及其蕴涵推理关系,研究了Cloud-ALC所具有的相关性质。实例分析说明Cloud-ALC可以为扩展本体描述语言以便能够处理不确定知识提供语义支持。     

基于本体语言OWL的模糊扩展

本体能够对特定领域的概念、术语以及关系提供一种形式化的描述方法.尽管本体在知识表示上有很强的能力,但是有一个缺陷,即不能表达不确定和不精确的信息.而这些信息在语义网和多媒体应用中,又是至关重要的.针对模糊信息的本体表示问题,本文对本体语言OWL DL进行了基于模糊逻辑的扩展,给出了形式化的语法和语义,并通过一个实例说明了该方法在表达能力上的灵活性. .     

具有两种否定的描述逻辑系统MALC

否定信息在知识表示和推理中具有非常重要的作用。随着信息科学的发展,大量的事实表明：信息科学的许多领域需要区分概念的矛盾否定和对立否定。描述逻辑作为一阶谓词逻辑的可判定子集,并没有区分概念的矛盾否定与对立否定。本文将模糊否定词～和对立否定词 引入描述逻辑ALC,建立了一个扩展的描述逻辑系统MALC,使其具有处理模模糊知识的能力。同时,文章给出了基于中介无穷值语义模型的语义解释;在推理机制上,给出了可满足性的定义和可满足性的Tableau算法。