粒计算研究现状及基于Rough逻辑语义的粒计算研究

综述了粒计算的提出背景、研究现状及其发展趋势,也给出了作者的评论;论述了粒计算应用的广泛性,包括AI中的图像检索、医学诊疗系统、连续数学中的积分学及其它许多逻辑推理等方面的应用.讨论了粒计算将有希望成为处理信息和研究其它学科的理论工具和方法学.讨论了粒计算中基于Rough逻辑语义的粒及其相关性质,建立了这种粒的演绎推理.提出了基于Rough逻辑语义的粒归结原理和归结策略,包括λ-归结策略和锁归结策略.证明了这种粒归结的完全性.基于Rough逻辑语义的粒在AI的问题求解、专家系统以及机器定理证明中都将成为一种新的研究思想和新的理论工具.最后,提出了这种基于Rough逻辑语义的粒计算研究前景.     

粒空间中基于粒计算的粒语义推理

在论域上定义公式,并因其与粒相对应,使得粒空间得以形成.在粒空间中由粒之间的关系确定出粒语义推理,并对此进行讨论.通过粒计算,证得粒语义推理满足命题逻辑自然推理系统的每一推理规则,因此粒空间上的可靠性成立,这表明形式推理蕴涵粒语义推理.尽管粒空间上的完备性不成立,但结果表明粒语义推理是各经典推理模式的扩充,所以粒语义推理既拓宽推理研究的范围,又引进粒计算的研究方法,促成粒计算与逻辑推理的进一步融合.     

基于属性Petri网的属性粒推理研究

不确定性知识处理是人工智能研究中经常遇到的问题,基于定性映射的属性Petri网模型在动态表示认知思维中不确定性知识与逻辑推理方面具有优势。在属性拓扑空间中,给出了属性粒的基本定义和基本推理,在属性Petri网中对不确定性知识进行表达,并基于属性Petri网给出归结推理的基本形式和基本算法。结果显示,这种方法可以使定性映射和Petri网更易于动态和显式地表达认知不确定性知识,可为进一步研究Petri网在认知模型中的作用提供参考。     

粒及粒计算在逻辑推理中的应用

讨论了信息粒的结构及其实例。基于Rough集方法定义了决策规则粒,构造了决策规则粒库,它被用作逻辑推理。定义了粒语言,描述了这种语言的语法、语义、粒语句的运算法则和粒之相关的几个性质。定义了粒之间的相互包含(inclusion)和相似(closeness)。基于这些概念,构造了一种逻辑推理的新模型。这种推理模式的特点在于它既是逻辑的又是集合论的。所谓逻辑的就是说推理是遵循一种逻辑运算;所谓集合论的是指这种推理可利用对应于这种逻辑公式的意义集的运算进行推理,还用实例说明了这种推理模式是可行和有效的。     

格值一阶逻辑LF(X)中的α-语义归结方法

自动推理是人工智能的一个重要研究方向,基于归结原理的自动推理因易于在计算机上实现而得到广泛研究。语义归结是对归结原理的一种改进,它利用限制参与归结子句类型和归结文字顺序的方法来提高推理效率。为了提高基于格蕴涵代数的格值逻辑的α-归结原理的效率,将语义归结策略应用于α-归结原理。首先给出了格值一阶逻辑系统中的α-语义归结概念和α-语义归结演绎概念,接着讨论了格值一阶逻辑系统的α-语义归结方法,并证明了其可靠性和条件完备性,最后通过实例说明了其有效性。     

格值命题逻辑系统中广义文字的正规性

基于格蕴涵代数的格值命题逻辑系统能定性地刻画不可比较性和不精确性。广义文字是该系统中α-归结自动推理的核心概念,是α-归结中的最基本单元。公式的正规性是α-归结原理中保持完备性的重要条件,其语义性质是公式形式的重要反映。从语义角度研究了广义文字的正规性,给出了两种典型正规公式F1→F2和(F1→F2)'的真值情况。为讨论广义文字的形式及其α-可归结性提供了理论基础。     

四值非链格值命题逻辑系统L4P(X)的语义归结方法*

为了提高归结方法处理带有不可比较性信息的能力,给出了四值格值命题逻辑系统上的语义归结原理,并证明了其可靠性和完备性,其上归结原理的研究为归结算法的实现提供了理论基础,从而为处理含有不可比真值的格值逻辑系统在智能推理系统中的实际应用提供了有力的支持。     

语言真值格值命题逻辑中的α-语义归结方法

语言值智能信息处理是人工智能的一个重要研究方向,基于归结原理的自动推理因易于在计算机上实现而得到广泛研究。为了提高基于语言真值格值逻辑的α-归结原理的效率,将语义归结策略应用于α-归结原理,研究了基于格值逻辑的归结自动推理方法。首先给出了语言真值格值命题逻辑系统的α-语义归结与L_nP(X)中相应归结水平的语义归结之间的等价性,并通过实例说明其有效性。接着,给出了语言真值格值命题逻辑系统的α-语义归结算法,并证明了该算法的可靠性和完备性。     

格值语义归结推理方法

归结自动推理是人工智能领域的一个重要研究方向,语义归结方法是对归结原理的一种改进,它利用限制参与归结子句类型和归结文字顺序的方法来提高推理效率。基于格蕴涵代数的格值逻辑系统的二归结原理提供了一种处理带有模糊性和不可比较性信息的工具,它能对格值逻辑系统中在一定真值水平下的不可满足逻辑公式给出反驳证明。首先研究了格值逻辑系统上一类广义子句集的性质,该类子句集在任意赋值下能分为两个非空子集,接着讨论了这类广义子句集的语义归结方法,并证明了其可靠性和完备性。     

使用XML的一阶谓词逻辑归结原理

归结原理(resolution principle)是计算机自动推理的重要原理之一.将XML加入到使用归结原理的证明过程中,利用XML结构与语义自描述的特性,简化归结过程的计算机实现,并给出相应基于XML的算法.     

直觉模糊逻辑的(α,β)-准锁语义归结方法*

为了提高直觉模糊命题逻辑的(α,β)-归结效率,将准锁语义归结策略应用于(α,β)-归结原理,得到直觉模糊命题逻辑的(α,β)-准锁语义归结方法,证明方法的可靠性与完备性.给出直觉模糊命题逻辑系统的(α,β)-准锁语义归结和(α,β)-准锁语义归结演绎的概念.讨论直觉模糊命题逻辑系统中的(α,β)-准锁语义归结式和锁子句的合并规则.最后,给出直觉模糊命题逻辑系统的基于(α,β)-准锁语义归结的自动推理算法步骤,并通过实例说明算法的有效性.     

基于本体的图像情感语义识别及推理模型

提出一种基于本体的图像情感语义识别系统,使情感识别过程易于理解.针对人类在图像情感语义理解过程中存在的个性化和群体化现象,系统使用多层次的情感推理模型.在阐述系统的设计思想和各模块的工作机理的同时,着重介绍了通过语义网规则语言表示的多层次情感推理模型的组织结构和表示方法以及推理机的工作原理.仿真实验结果表明了在图像情感语义识别及推理过程中引入本体概念的可行性.     

基于领域本体的语义查询推理系统

传统的基于关键字的信息检索技术不能满足人们对信息查询的需求,语义网技术是解决这一问题最有前景的方法。本文设计与开发一个基于出版物领域本体的语义查询与推理系统,该系统构建了出版物领域本体,并构造该领域本体的查询语句和推理规则,给出语义查询和推理的结果,并对结果进行测试。结果验证了系统对语义查询和推理的可行性和有效性。      

基于Ontology的专家系统研究

针对当前专家系统领域知识语义表示不精确及推理效率低的问题,提出一种基于Ontology的专家系统框架。根据规则结构建立规则模式Ontology和动作Ontology,将用户推理条件作为模式子Ontology,设计出基于名称和实例的相似度计算及Clips推理机制的专家系统推理算法。结合高性能切削加工应用背景给出一个应用实例,应用结果表明,该系统能够明显提高推理效率和推理结果的语义表达。     

基于自然语言的语义推理接口

分析人工智能聊天机器人ALICE的知识组织结构和内部推理机制,指出ALICE系统在语义推理方面的缺陷,提出使用语义网本体理论与ALICE推理机制相结合的解决方案,设计并实现了一个基于ALICE系统的语义推理接口。实验证明,该接口完全支持基于自然语言的语义推理,且具有较高的准确率。     

广义多粒度粗糙集属性约简和matlab计算

定义了基于广义多粒度粗糙集的属性约简,研究了约简的一些基本性质,给出matlab计算的过程,并给出计算实例。定义了信息系统的严格协调、软不协调性、粒度协调、粒度不协调,定义了广义多粒度下约简、粒度约简、（下/上近似）分布协调约简、（下/上近似）质量协调约简,并给出部分结论。广义多粒度粗糙集的约简适用于乐观多粒度粗糙集和悲观多粒度粗糙集。研究结果可完善多粒度粗糙集理论,为理论研究和应用奠定基础。     

面向语义Web的基于语义和上下文的访问控制模型

对语义Web上资源的访问需要授权决策充分考虑其中实体之间的语义关系和上下文因素,而传统的访问控制模型不能处理这些问题。结合基于本体的语义描述技术和基于SWRL规则的推理机制,并将不同的语义关系归纳为一种包含关系,提出了一种面向语义Web的基于语义和上下文的访问控制（CSBAC）模型,并讨论了其语义授权推理、授权传播及冲突解决和实现架构。     

A smart conflict resolution model using multi-layer knowledge graph for conceptual design

Reducing the impact of conflicts on requirement-function-structure mapping in the early stage of product design is an important measure to achieve conceptual innovation, which relies on accurate reasoning of multi-domain knowledge. As product requirements become more personalized and diverse, traditional discrete knowledge organization and reasoning methods are difficult to adapt to the challenges of continuity and precision in conceptual solution. Knowledge graphs with complex networks have obvious advantages in association detection, knowledge visualization, and explainable reasoning of implicit knowledge, which offer innovative opportunities for conflict resolution in conceptual design. Therefore, a smart conflict resolution model using a multi-layer Knowledge Graph for Conceptual Design(mKGCD) is proposed in this study. A knowledge expression form of FBS-oriented design patent vocabulary is proposed, which is used for knowledge entity recognition and relation extraction based on natural language processing. A label mapping method based on inventive principles is used for patent classification and a four-layer semantic network for conflict resolution is constructed. Through semantic distance calculation, the designer's requirements for function/behavior/structure are smart deployed to obtain appropriate knowledge. A case study of the conceptual design of a collapsible installation and handling equipment demonstrates the feasibility of the proposed approach. The proposed method can not only meet the functional solution and innovation in the context of different design requirements, but also effectively improve the design efficiency in the iterative design process by means of multiple meanings of one graph.     

Real-time data analytics and event detection for IoT-enabled communication systems

Enterprise Communication Systems are designed in such a way to maximise the efficiency of communication and collaboration within the enterprise. With users becoming mobile, the Internet of Things (IoT) can play a crucial role in this process, but is far from being seamlessly integrated into modern online communications. In this paper, we present a semantic infrastructure for gathering, integrating and reasoning upon heterogeneous, distributed and continuously changing data streams by means of semantic technologies and rule-based inference. Our solution exploits semantics to go beyond today’s ad-hoc integration and processing of heterogeneous data sources for static and streaming data. It provides flexible and efficient processing techniques that can transform low-level data into high-level abstractions and actionable knowledge, bridging the gap between IoT and online Enterprise Communication Systems. We document the technologies used for acquisition and semantic enrichment of sensor data, continuous semantic query processing for integration and filtering, as well as stream reasoning for decision support. Our main contributions are the following, (i) we define and deploy a semantic processing pipeline for IoT-enabled Communication Systems, which builds upon existing systems for semantic data acquisition, continuous query processing and stream reasoning, detailing the implementation of each component of our framework; (ii) we present a rich semantic information model for representing and linking IoT data, social data and personal data in the Enterprise Communication scenario, by reusing and extending existing standard semantic models; (iii) we define and develop an expressive stream reasoning component as part of our framework, based on continuous query processing and non-monotonic reasoning for semantic streams, (iv) we conduct experiments to comparatively evaluate the performance of our data acquisition and semantic annotation layer based on OpenIoT, and the performance of our expressive reasoning layer in the scenario of Enterprise Communication.