基于粗糙集的不确定知识表示方法

1 引言知识表示是人工智能(AI)研究中最关键的分支之一。传统的知识表示模型(如AQ11,ID3等),对知识描述是确定的、清晰的,即:被描述的对象具有或不具有某种属性是明确的。然而,在现实世界中,人们常常面对的是在领域信息不完整、不确定、不精确的前提下,完成对事物的认识、分析、推理、判断、预测和决策。这种智能行为往往要求人们对未知的信息进行估计、推测;对不完整数据进行分析、处理;对已知的证据     

粗糙集在大同房地产市场分析中的应用

粗糙集理论具有很强的定性分析能力,能够有效地表达不确定的或不精确的知识,善于从数据中获取知识,并能利用不确定、不完整的经验知识进行推理。利用粗糙集理论,以房地产信息为实例,通过粗糙集的属性约简和规则提取方法,得到更多房地产信息中潜在的规律,为购房者提供更多的参考。     

关于陈述性知识的学习

一、界定在《中国大百科全书·教育》中“知识”概念是这样表述的:“所谓知识,就它反映的内容而言,是客观事物的属性与联系的反映,是客观世界在人脑中的主观映象。就它的反映活动形式而言,有时表现为主体对事物的感性知觉或表象,属于感性知识,有时表现为关于事物的概念或规     

概率逻辑程序

1 引言最近几十年来,不确定性的管理在知识描述和推理中扮演着越来越重要的角色。为了处理不确定知识,人们提出了各种不同的形式化和方法论,其中大部分是直接或间接地基于概率论的。     

Pawlak粗糙集模型的随机集表示及合成

1.引言和预备知识粗糙集作为一种处理不精确、不确定与不完全数据的新的数学理论,最初是由波兰数学家Z.Pawlak于1982年提出的。在Pawlak粗糙集模型中,论域中的对象或元素可以用可利用的信息(或知识库中的知识)来描述。当两个不同的对象具有相同的描述时称这两个元素是不可区分的。所有具有相同描述的元素构成了一个等价类,所有等价类构成了这个论域的一个划分,任意给定论域的一个子集,人们不一定能用知识库中的知识来精确地描述,这时就用关于这个集合的一对上、下近似来描述。粗糙集理论的主要思想是利用已知的知识库,将不精确或不确定的知识用已知知识库中的知识来(近似)刻画。     

IBARM：一种基于区间表示的不精确推理模型

不精确推理是根据应用系统中的不确定信息(可能是概率的、模糊的、不完备的等),按一定的搜索策略(如深度优先或广度优先),采用一定的推理技术(如正向、反向或双向)和不确定值传播算法,得出应用系统中近乎合理的结论。一个不精确推理模型主要包括知识的不确定性描述方式、不     

基于不确定性知识的主观贝叶斯网络算法

1引言 贝叶斯网络是有向无环图.它是一种概率推理技术,能从不完全、不精确或不确定的知识和信息中作出推理.主观贝叶斯网络引入了主观贝叶斯方法,成功地解决了在实际应用中的诸多困难.     

人类自然语言不确定性及粗集理论的表示

在现实世界中,人们对事物的推理、判断、预测和决策等智力行为大多数是在问题领域的息不完全、不确定、不精确或者模糊的条件下进行的。为了完成这些智力行为,人们往往要对知的信息进行     

基于概念格的数据驱动不确定知识获取

在没有领域先验知识的条件下,不确定知识获取是机器学习研究中的一个难题.本文利用决策表和决策规则的不确定性,通过分析决策表、决策规则及概念格的知识表示形式,发现这3种知识表示形式中知识不确定性之间的关系,进而提出基于概念格的数据驱动不确定知识获取算法.仿真实验结果表明,该算法在不确定性知识获取中是有效的.     

学习与记忆

学习和记忆不是单一独立的过程.学习是获得新信息的过程,而记忆则是将学到的知识加以保留的过程.记忆可以分成两类:一类是陈述性记忆,是对人、地点和事物相关知识的有意识的获得,它发生在高度进化的脊椎动物脑部,主要是间脑结构中;另一类是非陈述性记忆,是对运动技能和其他任务的无意识的学习过程,它不依赖于颞叶,但在学习过程中涉及到与感官或运动相关的神经通路.     

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。     

也论数学开放题的生命意识

数学的开放性历来受教育者重视,围绕着“开放”,进行了系列而有效的探索。数学开放题自然也在受重视之列。笔者认为,数学开放题,起码有如下意思:条件不确定或结论不确定,它有时可以是因条件不确定导致结论不确定,有时还可以是因结论不确定而导致条件的不确定,也就是说开放度应是n≥2。要求学生用已学的知识和数学思想方法,通过观察、比较、分     

适用于不确定类标签数据学习的迁移支持向量机

为了解决包含不确定信息的分类学习问题,提出一种新的适用于不确定类标签数据的迁移支持向量机。该方法基于结构风险最小化模型,同时将源领域中所学知识、领域间的共享数据、目标领域中已标定的和不确定的数据纳入学习框架中,进而实现了源领域和目标领域的知识迁移。在多种真实数据集上的实验结果表明了所提出方法的有效性。     

InterTris:三元交互的领域知识图谱表示学习

在新事物不断涌现,且事物之间联系不断丰富的时代背景下,作为一项新生技术,知识图谱旨在对现实世界中概念或实体及其之间的联系进行建模.由于直接来自于现实世界,知识图谱中的实体和关系往往以符号化形式表示.要实现进一步的价值挖掘,进行知识图谱计算,就需要将符号化表示转换为数值形式.知识图谱表示学习技术应运而生.目前,知识图谱表...     

一种描述逻辑SROIQ(D)的云模型扩展

客观世界存在大量的不确定性现象和知识。鉴于经典描述逻辑在表示不确定知识上存在一定缺陷,模糊描述逻辑在表示不确定知识时会丢失模糊性,为此,将云模型引入到描述逻辑SROIQ(D)中,实现对SROIQ(D)的云扩展,提出基于云模型的不确定描述逻辑C-SROIQ(D)。并给出其完整的语法、语义及知识库,从而实现了描述不确定性现象,保留了模糊性,还将模糊性和随机性相关联,丰富了描述逻辑的表达能力。     

基于平行性约束的摄像机标定与3D重构

引入了梯形的一个仿射不变量,并利用这个不变量,建立了梯形的相似不变量与摄像机内参数之间的约束关系.基于这个约束关系,利用摄像机内参数的知识或梯形相似不变量的知识,可以线性确定摄像机的内参数、运动参数和梯形的相似不变量.由于梯形是由一对平行线段唯一确定的,平行线段在许多场景中经常出现,因而该方法有很广泛的适用性.实验结果表明了该算法的有效性.该工作提供了一个基于平行性约束的框架,以往的基于平行四边形、平行六面体的方法都可以纳入到这个框架中.     

专家系统中不确定性知识的表示和处理

知识表示和处理是专家系统的基本问题，不确定性知识的表示和处理一直是专家系统研究的热点。本文在阐述不确定性知识概念的基础上，简单介绍传统的不确定知识表示和处理方法，重点讨论近年来出现的新的不确定知识表示和处理方法。     

论混合知识表示

所谓知识表示是为描述世界所作的一组约定,是知识的符号化。推理则是利用各类知识完成问题求解的过程。按推理中所使用知识的属性,推理可分为确定推理和不确定推理两类。确定推理是指推理过程中所使用的数据和知识是静态的、可靠的、确定的;不确定推理所使用的知     

浅谈小学数学教学中多媒体切入时机——以空间图形教学为例

几何初步知识在小学数学中占有非常重要的位置。但是,由于小学生缺乏空间观念,空间想象能力较弱,因此在这部分内容教学时,学生很不容易理解和掌握。利用多媒体辅助教学,直观、形象、生动地将几何知识展现在学生面前,有利于培养学生总结事物间的数量关系的能力和观察认识形体特征的兴趣和意识,     

不确定海洋环境下AUV环境感知方法研究

针对AUV在高度不确定海洋环境中执行任务的过程中需要实时准确地感知出当前环境、系统状态和任务执行中不确定事件对任务成功的影响,并为AUV任务重规划提供触发条件的问题,提出了一个具有不确定事件检测、不确定事件识别和不确定环境本体模型的环境感知框架,实现了基于本体推理和模糊逻辑结合的不确定事件检测方法和基于贝叶斯网络的不确定事件识别方法,并利用不确定事件检测和不确定事件识别结果更新具有概率扩展的不确定环境本体模型,提高本体在不确定知识的表示和推理方面的能力.结合AUV在不确定海洋环境中执行导航任务的应用背景,对AUV环境感知进行仿真实验并分析了实验结果,验证了不确定海洋环境下AUV环境感知方法的有效性.