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.     

直觉模糊近似推理中的可信度传播

针对直觉模糊近似推理中的可信度传播,提出计算结论可信度的相关算法。首先介绍了可信度因子的概念,分析了规则中的可信度因子传播对结论可信度的影响。然后针对直觉模糊近似推理的三种基本模式（取式、拒式、假言式）,给出了计算结论可信度值的相关公式,最后通过实例验证了算法的正确性。     

加权犹豫模糊集的群决策方法

对于犹豫模糊元中的不同隶属度值赋予不同的权重,由此构造出一种应用范围更广、更符合实际需要的犹豫模糊集合 ----- 加权犹豫模糊集合.针对加权犹豫模糊集中的加权犹豫模糊元,定义了加权犹豫模糊集合和加权犹豫模糊元的并、交、余、数乘和幂等运算及其运算法则,并讨论它们的运算性质;同时,给出加权犹豫模糊元的得分函数和离散函数,进而给出一种比较加权犹豫模糊元的排序法则.在此基础上,提出两类集成算子:加权犹豫模糊元的加权算术平均算子和加权犹豫模糊元的加权几何平均算子,并针对专家权重(已知和未知)的两种情形,将加权犹豫模糊集合应用于群决策,给出两种基于加权犹豫模糊集合的群决策方法.最后,通过一个应用实例表明所提出的群决策方法的有效性和实用性.     

模糊概念图知识表示及其推理机制研究*

通过对现有模糊概念图的研究,针对概念的所指域与模糊信息间的冗余问题和用模糊度表示模糊概念问题,提出一种改进的模糊概念图知识表示方法。在改进的模糊概念图中,用模糊集合表示概念图中的模糊概念和模糊关系,并将模糊概念的所指域同模糊集合合并,减少信息冗余。根据改进的模糊概念图,重点研究了模糊概念图的匹配推理机制,设计了基于语义约束的匹配推理算法,并定量分析了算法的时间复杂度和空间复杂度。经过在《计算机文化基础》课程中实验测试,算法反映了考生主观题的答卷情况,同人工阅卷结果基本一致。     

基于可信度的基本不确定区间犹豫模糊广义TODIM应急群决策方法

针对应急决策环境所存在的信息不完备、认知不足等问题,区间犹豫模糊集能充分表达决策者在信息评价时的犹豫性和模糊性,但随着研究的深入,发现其存在无法保证信息质量的缺陷.为此,提出更符合实际决策需求、信息表达更加灵活的基本不确定区间犹豫模糊集,其为包含区间犹豫模糊集和确定度的二维信息集.在此基础上,定义基本不确定区间犹豫模糊加权平均算子、犹豫度及可信度,提出基于可信度的专家权重调整方法和属性权重确定方法,充分考虑了决策专家提供评价信息的可靠程度.最后,将广义TODIM方法拓展到基本不确定区间犹豫模糊环境,通过应急决策案例验证所提方法的可行性,并利用灵敏度分析和对比分析验证该方法的稳定性和有效性.     

金融投资决策中的模糊知识及其不同否定的表示与推理

基于一种带有矛盾否定、对立否定和中介否定的新模糊集FScom,研究了在一个金融投资决策实例中的应用.其中,对于模糊知识的不同否定,引入模糊集合～<'+>A和～<'->A,并采用距离比率函数思想定义了模糊集的隶属函数,给出了模糊集合FScom定义中λ值以及模糊产生式规则中周值τ的一种确定方法,讨论了实例中的模糊知识及其三种不同否定的推理算法与实现.     

基于粒计算的犹豫模糊多准则决策方法*

提出基于粒计算的犹豫模糊多准则决策方法.给出各个准则下对应的犹豫模糊集中犹豫模糊元的大于可能度定义,并构造相应准则下的加性一致的模糊偏好矩阵.根据各准则的模糊偏好矩阵对应的预序熵及预序粒结构相似度确定属性的权重,对各个准则下模糊偏好矩阵的排序向量加权平均得到最终的排序向量.文中方法以评价数据序信息量及准则序与整体之间的关系确定准则权重,通过计算加权两两比较下的排序向量得到最终的排序决策结果.最后运用实例验证算法的有效性及可行性.     

基于调和犹豫模糊信息的多属性决策方法

实践中发现,犹豫模糊信息和概率犹豫模糊信息在计算过程中存在着计算繁琐、与数量运算规则不相容等问题.对此,提出一套基于调和犹豫模糊元的解决方法.通过定义调和犹豫模糊元为一组概率分布相同的概率犹豫模糊元,在犹豫模糊信息和概率犹豫模糊信息之间架起一座桥梁,将它们纳入统一处理框架.在此基础上,定义调和犹豫模糊信息的基本运算规则、信息集成算子、距离测度和混合熵测度,构建基于调和犹豫模糊信息的多属性决策方法,并将其应用于陆军合成旅指挥控制能力评估.数值实验表明:调和犹豫模糊决策理论克服了已有理论的缺陷,具有计算量可控、易于编程实现、与数量运算规则相容等优势.     

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。     

基于概率犹豫模糊熵的多属性决策方法

针对概率犹豫模糊元的多个隶属度和其概率各不相同的特点,提出基于概率犹豫模糊熵的多属性决策方法.首先,定义3种新的概率犹豫模糊熵:模糊熵、犹豫熵和总熵,以分别测量概率犹豫模糊元的模糊性、犹豫性和整体不确定性;然后给出3种熵测度的公理化定义和表达式;最后,根据概率犹豫模糊元的3种熵,构建能够解决属性权重完全未知的多属性决策模型,并通过案例和对比分析验证所提模型的有效性和合理性.     

正向推理型故障模糊预测系统的知识表示与推理

根据故障预测问题的要求,利用模糊数学理论,对预测知识进行了模糊集合描述,提出了一种面向正向推理的知识表示法,给出正向推理型故障模糊预测的推理过程。     

一种改进的基于规则的带权模糊推理算法

给出了一种基于带权模糊Petri网的模糊推理算法,这种算法可以适用于一类基于规则的系统,即可以对该类系统的带权模糊Petri网模型进行相应的处理。对系统建立了知识表示的带权模糊Petri网模型,使用该算法可以确定用户给定的库所之间是否存在联系,即相应的命题之间是否存在因果关系,可以计算出命题的模糊真值。对具体的算例进行了分析并与已有的算法进行了比较,得出该算法的优点。     

语言真值直觉模糊逻辑的知识推理

针对格蕴涵代数、直觉模糊集及知识表示、基于语言真值直觉模糊代数的相关性质及运算方法,提出了六元语言真值直觉模糊代数的相关逻辑性质,并在六元语言真值直觉模糊知识表示的基础上,将模糊推理的CRI方法进行扩展,研究得出了六元语言真值直觉模糊推理的方法即6LTV-CRI算法。而后将直觉模糊推理与六元语言真值直觉模糊推理方法进行对比分析,验证了6LTV-CRI推理算法的合理性,并分析了其优缺点。     

基于真值支持度的直觉模糊推理方法

为了降低直觉模糊集在推理过程中需要同时考虑隶属度和非隶属度两方面运算的复杂性,提出了一种基于真值支持度的直觉模糊推理方法,研究了强真度、真值支持度及其相关性质,并将强真度和真值支持度引入到推理中,给出真值支持度的直觉模糊推理算法及计算步骤,并以具体算例验证了该方法的正确性和有效性。     

基于知识表示学习的知识可信度评估

知识图谱自动化构建技术的发展以及信息量的增加导致知识图谱中引入了噪声和冲突,为了有效应用知识图谱,需要对知识的可信度进行评估。建立一种基于知识表示学习的知识可信度评估模型PTCA,利用实体之间的关联强度、实体类型信息以及多步路径信息对知识的可信度进行计算。通过三元组分类、知识图谱噪声检测以及知识图谱补全等3个任务对模型性能进行测试,结果表明,PTCA模型可以检测知识图谱内部存在的噪声和冲突,对三元组知识的可信度进行有效计算,且在有噪声干扰的数据集上的评估性能优于CKRL和PTransE模型。     

基于区间推理和AFS结构的模糊分类器

在分析区间值模糊集理论和现有模糊分类器的基础上，提出两种分类器的算法，它们分别是建立在区间值推理和AFS结构上的．经Iris数据实验，证明第一种算法分类结果很好，后一算法不仅结果与前面的一样好，而且它还能处理一些描述模糊概念的数据库．这两种算法在分类实践中具有良好的应用前景．     

一种基于核集与相似性的模糊推理方法

在稀疏规则库条件下,当给定的输入落入规则"间隙"时,采用传统的模糊推理方法是得不到任何结论的.学者已经证明模糊推理本质上就是插值器.Koczy和Hirota首先提出了KH线性插值推理方法,然而推理结果存在着无法保证凸性和正规性等问题.为了能有一个较好的插值推理结果,本文提出了一种基于核集与相似性的模糊插值推理方法,并把此方法扩展到多维变量的情况,该方法不仅推理简单,推理结果较好,并且能很好地保证推理结果的凸性和正规性.这为智能系统中的模糊推理提供了一个非常有用的工具.     

基于扩展模糊Petri网的知识推理方法研究

为使模糊Petri网能够描述可变模糊隶属判据下的模糊知识,利用基准变换能较好地表达模糊隶属判据可变情况的特点,基于定性映射和定性基准变换对模糊Petri网进行了扩展,给出了扩展后网模型的形式定义和基本运行机制。通过利用定性映射描述模糊产生式规则,给出了一种新的知识表示模式和推理方法,新方法有利于构建模糊Petri网基于认知的学习机制。结果显示,该网模型具有较强的知识表达能力,适用于处理认知模糊不确定性知识,其推理过程能体现某些认知特性,尤其适用于构建以定性判断为特点的智能系统。     

基于参考点的模糊知识表示

本文分析了模糊关系模型的知识表示途径，并由此提出基于参考点的模糊知识表示，分析了它与人类记忆经验性知识的相信性，并证明模糊关系模型能以任意精度逼近具有有限个极值点的有界连续函数。     

稀疏规则条件下的线性插值推理研究

模糊推理本质上就是某种插值方法．但在稀疏规则库的条件下，当输入的事实落入规则“空隙”时，采用传统的CRI方法是得不到任何推理结果的．而采用KH线性插值推理也存在着难以保证推理结果的凸性和正规性等问题．在分析了Koczy和Hirota提出的线性插值推理方法的基础上，本文提出了一个新的线性插值推理的方法，该方法能很好地保证推理结果的凸性和正规性，这为智能系统中的模糊推理提供了一个十分有用的工具．