带函数的描述逻辑

描述逻辑是包含了概念、角色以及概念和角色构造子的一阶逻辑的子逻辑,具有表达能力强且推理可判定的特征。但现有描述逻辑无法表示概念和角色上的函数,因此在图书馆的概念模型中,有一些问题便不能表示,如图书的本数、借书的条目数等。在现有描述逻辑基础上引入函数来解决这个问题。首先分析现有描述逻辑在图书馆的概念模型中不能表示的一些问题并提出解决方法,然后给出带函数的描述逻辑的语法和形式语义,最后用带函数的描述逻辑形式化表示图书馆概念模型中的一些实际问题。     

基于扩展序类逻辑的Ontology形式化描述与模型检验

本体一直是哲学中的词汇,后来随着计算机语义网络的发展,引入语义web领域,用来表示概念以及概念和概念之间的关系.用逻辑来形式化Ontology,并对形式化后的Ontology进行检验和推理一直是Ontology研究的热点和难点.参考描述逻辑描述本体的方法,提出了以扩展序类逻辑来描述本体,并对描述后的本体进行检验.     

含传递角色和存在限制描述逻辑系统的匹配推理

分析了描述逻辑非标准推理的重要性和匹配推理的研究现状以及存在的问题。针对匹配推理在处理带传递属性角色符号的不足,研究含传递角色符号和存在量词描述逻辑系统EL+中的匹配推理。通过引入前向边给出EL+中概念的描述图和描述树,基于描述图和描述树给出EL+中两类匹配问题的匹配算法。说明算法的可靠性,并分析算法的复杂性。     

一种基于扩展描述逻辑的事件实例检测方法

针对事件要素之间客观存在的语义关系以及事件与事件类之间的语义关系进行研究,提出了一种基于扩展描述逻辑的事件实例检测方法。该方法利用事件中的时间、动作、环境要素对事件进行语义补充,然后利用扩展描述逻辑中概念的可满足性和概念包含的推理功能对事件实例进行检测,最后通过实验证明该方法可实现文本中的事件实例检测,准确率达到了85．12％。     

基于描述逻辑的策略系统建模方法研究

采用基于策略的方法对安全管理,服务质量等进行监管,已经得到广泛应用.描述逻辑是一种基于对象的知识表示形式.本文提供了一种基于描述逻辑的策略系统建模方式,将策略定义为两种类型,即授权策略和义务策略.根据其性质特点建立主体、客体、角色、动作、事件、约束条件等概念,结合概念之间的关系,最终得到基于描述逻辑的策略系统模型.借助描述逻辑的推理技术,可以对策略系统模型进行分析.并举例说明了这种基于描述逻辑的策略规格方法.     

基于双层角色映射的跨域授权管理模型

针对传统跨域授权管理模型角色设置方法单一,以及有可能出现隐蔽提升、职责分离冲突等问题,提出一种基于双层角色结构的跨域授权管理模型。通过在管理域内设置双层角色,使得角色的设置与管理更加符合现实需求;采用单向角色映射的方式杜绝映射环路;引入属性、条件等动态因素,实现了权限的动态调整。采用动态描述逻辑刻画了模型中的概念、关系及管理动作。对模型的安全性分析表明,该模型满足自治性和安全性原则。     

一种扩展DL角色描述能力的方法

本体描述知识的逻辑基础是描述逻辑(DL),虽然现有DL中对概念的描述方式非常丰富,但是角色却只能是原子角色。针对角色描述能力低的问题,在现有的DLSHIQ中增加了角色表达式来对角色进行描述,证明了如果知识库中所有角色表达式都是安全的,该知识库在现有的推理机KAON2上的推理仍然是Exp-Time,提出了一种判断角色表达式是否安全的算法。     

不完备目标信息系统中基于描述子的知识约简

以具有遗漏型未知属性值的不完备目标信息系统为研究对象,根据描述子的定义和基于描述子的粗糙集模型,讨论了知识约简问题.给出了求得描述子所有约简的具体操作方法.根据描述于的支持集与决策类之间的关系,提出了描述子的下、上近似相对约简概念,并给出这两种约简的判定定理及区分函数,为从不完备信息系统中获取简化的决策规则提供了新的理论基础与操作手段.     

指挥信息系统企业级体系结构描述方法研究

为了明确指挥信息系统企业级体系结构的概念和内涵,并规范企业级体系结构的描述,提出了一种指挥信息系统企业级体系结构描述方法.首先从定义、作用以及特点等角度研究了指挥信息系统企业级体系结构的基本概念;其次提出了一种指挥信息系统企业级体系结构的描述框架,研究了该框架的视角组成、视角之间的相互关系以及视角的产品组成;最后,提出了一种面向对象和描述逻辑相结合的企业级体系结构产品描述方法,并提供了相应的描述示例.     

描述逻辑在基于语义的服务消息交互中的应用*

提出了一个基于描述逻辑规则的自动服务交互的模型框架,将服务抽象成基于消息的服务模型。该服务模型将在服务之间传递的面向对象的服务消息作为服务交互的主要手段,使用描述逻辑的概念对服务之间传递的消息数据进行语义分析,在服务内部数据模式与描述逻辑知识库间建立对应关系。在交互规则方面,使用基于描述逻辑和Horn子句进行描述;在描述逻辑的Tableau算法的支持下,对知识库概念和规则进行有效性、一致性和可满足性的验证,实现数据异构模式下服务间基于语义的自动交互。     

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。     

修正的n值Gdel逻辑系统的随机化

利用赋值集的随机化方法,在修正的n值Gdel逻辑系统中提出了公式的随机真度和随机距离的概念,建立了随机度量空间。指出当取均匀概率时,随机真度就转化为计量逻辑学中的真度,建立了更一般的随机逻辑度量空间。     

A fuzzy expert system shell using both exact and inexact reasoning

This paper presents a comprehensive expert system shell which can deal with both exact and inexact reasoning. A prototype of this proposed shell, code named as SYSTEM Z-IIe, has been implemented successfully. It is a rule-based system which employs fuzzy logic and numbers for its reasoning. Two basic inexact concepts, fuzziness and uncertainty, are both used and distinct from each other clearly in the system. Moreover, these two concepts have been built into two levels for inexact reasoning, i.e. the level of the rules and facts, and the level of the values of the objects of these rules and facts. Other features of Z-IIe include multiple fuzzy propositions in rules and dual fact input mechanisms. It also allows any combinations of fuzzy and normal terms and uncertainties. Fuzzy numeric comparison logic control is also available for the rules and facts. Its natural language interface which uses English with restricted syntax improves the efficiency of knowledge engineering. Z-IIe is also coupled to a Database Management System for supplying facts from existing databases if appropriate. All these features can be combined to build very powerful expert systems and are illustrated by an example.     

国家知识基础设施中的数学知识表示

数学知识表示是知识表示中的一个重要方面,是数学知识检索、自动定理机器证明、智能教学系统等的基础.根据在设计NKI(national knowledge infrastructure)的数学知识表示语言中遇到的问题,并在讨论了数学对象的本体论假设的基础上提出了两种数学知识的表示方法:一种是以一个逻辑语言上的公式为属性值域的描述逻辑;另一种是以描述逻辑描述的本体为逻辑语言的一部分的一阶逻辑.在前者的表示中,如果对公式不作任何限制,那么得到的知识库中的推理不是可算法化的;在后者的表示中,以描述逻辑描述的本体中的推理是可算法化的,而以本体为逻辑语言的一部分的一阶逻辑所表示的数学知识中的推理一般是不可算法化的.因此,在表示数学知识时,需要区分概念性的知识(本体中的知识)和非概念性的知识(用本体作为语言表示的知识).框架或者描述逻辑可以表示和有效地推理概念性知识,但如果将非概念性知识加入到框架或知识库中,就可能使得原来可以有效推理的框架所表示的知识库不存在有效的推理算法,甚至不存在推理算法.为此,建议在表示数学知识时,用框架或描述逻辑来表示概念性知识;然后,用这样表示的知识库作为逻辑语言的一部分,以表示非概念性知识.     

数据库中的模糊逻辑规则发现

关联规则是数据库中的知识发现（KDD）领域的重要研究课题。模糊关联规则可以用自然语言来表达人类知识,近年来受到KDD研究人员的普遍关注。但是,目前大多数模糊关联规则发现方法仍然沿用经典关联规则发现中常用的支持度和置信度测度。事实上,模糊关联规则可以有不同的解释,而且不同的解释对规则发现方法有很大影响。从逻辑的观点出发,定义了模糊逻辑规则、支持度、蕴含度及其相关概念,提出了模糊逻辑规则发现算法,该算法结合了模糊逻辑概念和Apriori算法,从给定的定量数据库中发现模糊逻辑规则。