直觉模糊逻辑的（α,β）-广义锁归结方法

归结方法是定理自动证明的重要工具。为了简化直觉模糊命题逻辑的归结过程,基于直觉模糊命题逻辑归结原理的一般形式,提出了子句(αβ)-可满足和(αβ)-归结式的概念。研究了广义子句与其归结式的可满足性。在直觉模糊命题逻辑系统中给广义子句配锁,规定在做归结时各子句中被消去文字在该子句中的序号最小,由此建立了(αβ)-广义锁归结方法,并证明了该方法的可靠性和完备性。给出了直觉模糊逻辑的广义锁归结算法步骤,并通过实例说明了该方法的有效性。     

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。     

基于格值命题逻辑系统LP(X)的多元α-归结原理的注记

进一步深入研究了基于格蕴涵代数的格值命题逻辑系统LP(X)的多元α-归结原理的基本理论,给出了基于LP(X)的多元α-归结演绎中参与多元α-归结的广义文字个数随着归结演绎的推进而动态变化的基本原则;对基于LP(X)的多元α-归结原理的有效性进行了一定分析,这为建立基于LP(X)的多元α-归结方法以及构造多元α-归结算法奠定了理论基础.     

具有三种否定的模糊命题逻辑形式系统FLCOM的λ-归结

考虑到模糊逻辑中定理自动证明的重要性以及目前主要研究具有一种否定的模糊逻辑的归结原理,文中对具有三种否定(矛盾否定、对立否定和中介否定)的模糊命题逻辑(FLCOM)的归结原理进行研究.基于FLCOM的一种无穷值语义解释提出λ-可满足的和λ-不可满足的概念.将λ-归结方法引入FLCOM,给出FLCOM的λ-归结演绎定义,讨论FLCOM的λ-归结原理,并证明FLCOM的λ-归结方法的完备性.基于λ-归结方法和已证明的结论给出实例以佐证文中λ-归结方法和结论的正确性和可行性.因此,在FLCOM范围内可判定任一模糊命题公式是否是λ-可满足的或λ-不可满足的.     

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。     

基于直觉模糊等价相异矩阵的聚类方法

针对直觉模糊集合数据的聚类问题,提出了一种基于直觉模糊等价相异矩阵的聚类方法。该方法首先给出直觉模糊相异区间的概念,并构建了直觉模糊相异矩阵;然后定义了直觉模糊等价相异矩阵和(α,β)截矩阵,进而给出直觉模糊聚类算法;最后将其应用于目标编群领域,通过实例验证该算法的有效性。     

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。     

语言真值直觉模糊命题逻辑系统的推理规则

提出了一种基于语言真值直觉模糊代数的直觉模糊命题逻辑系统。基于语言真值格蕴涵代数生成语言真值直觉模糊代数,可同时处理具有可比性或不可比性信息。该方法可以同时处理不确定性问题的正面证据和反面证据。研究了语言真值直觉模糊命题逻辑系统LP(S)的性质,得到了其公理及推理规则,也获得了LP(S)中的证明与定理。实例说明,该方法在处理同时具有可比性和不可比性的直觉模糊决策问题中更灵活、更有效。     

命题逻辑中非子句α-有序线性广义归结方法

为了处理在不确定性环境下的自动演绎,重点研究了基于自动推理理论的归结方法,其自动推理理论是真值定义在格蕴涵代数（lattice implication algebra,LIA）结构上格值逻辑系统中的。在已有的确定真值水平α二元归结研究的基础上,作为其继续研究和扩展,引入了基于格值命题逻辑系统LP( X )的非子句多元α-有序线性广义归结方法和演绎,这从本质上避免了一个非子句广义归结演绎到规范子句的形式。随后,得到LP( X )中的非子句多元α-有序线性广义归结演绎是可靠和完备的。该研究工作为格值命题逻辑中基于自动推理的归结提供了一个更有效的方法。     

剩余型直觉模糊推理的反向三I方法

提出直觉模糊取式(IFMP)和直觉模糊拒取式(IFMT)问题的直觉模糊推理的反向三I原则、反向α-三I原则和反向三I约束原则.针对剩余型直觉模糊蕴涵算子,给出IFMP、IFMT问题的直觉模糊推理的反向三I算法、反向α-三I算法及反向三I约束算法求解的计算公式和分解形式,指出这些算法都是相应模糊集情形下的推广,讨论IFMP、IFMT问题的直觉模糊推理的反向三I算法的还原性.     

命题逻辑公式模糊软集语义及其在决策分析中的应用

基于论域公式引入软命题逻辑公式概念,给出软命题逻辑公式的模糊软语义解释.将决策模糊信息系统转化为决策模糊软集,软决策规则表示为包含有蕴含联结词的软命题逻辑公式.引入软命题逻辑公式的基本真度、条件真度、绝对真度等指标,从充分性、必要性等方面评价软决策规则的有效性、合理性.提出基于决策软集的典型软决策规则提取算法和基于软决策分析的推荐算法,并通过实例和数值实验证明算法的有效性.     

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。     

三种归结原理间的相容性问题

语义归结、锁归结、线性归结是三种重要的关于归结原理的改进。本文给出如下结果:语义归结和锁归结在某种条件下是相容的;语义归结和线性归结是不相容的;线性归结和锁归结在某种条件下是相容的。显然,任意两种归结的相容方法是对原来两种归结方法的进一步改进。     

基于格值一阶逻辑LF（X）的多元α-归结原理的注记

进一步深入研究了基于格蕴涵代数的格值一阶逻辑系统 LF(X )的多元α-归结原理的基本理论,给出了在基于 LF(X )的多元α-归结演绎中参与多元α-归结的广义文字个数随着归结演绎的推进而动态变化的基本原则。对基于 LF(X )的多元α-归结原理的有效性进行了一定分析;这为建立基于 LF(X )的多元α-归结方法以及构造多元α-归结算法建立了理论基础。     

G(o)del n值命题逻辑中命题的α-真度理论

为了在n值命题逻辑系统中建立一种程度化推理机制,并为其提供一个可能的近似推理框架,利用势为n的均匀概率空间的无穷乘积,在n值G(o)del命题逻辑系统中引入命题的α-真度概念.证明了一般真度推理规则,给出了判定α-重言式的充分必要条件,并利用命题的α-真度定义了命题间的α-相似度,进而导出命题集上的一种伪距离,使得在n值命题逻辑系统中展开近似推理成为可能.提出的程度化推理方法为近似推理的算法实现奠定了基础,并对知识推理的程度化有所启示.     

基于多分辨率分析的T-S模糊系统

目前模糊系统缺乏保持辨识精度与模糊语义最佳折中的有效辨识方法,其主要原因在于缺乏系统的优化结构辨识方法.因此,本文从时-频域角度构造出基于多分辨率分析的T-S(Takagi-Sugeno)模糊系统拓扑结构.然后,采用具有多分辨率特点的B-样条尺度函构造模糊隶属函数,根据投影算法和模糊隶属函数相异测度给出了模糊系统结构辨识算法.仿真结果验证了这种模糊系统及其结构辨识算法的有效性.     

直觉语义决策模型应用于区块链风险投资

为了全面且精确地表达和处理复杂风险投资决策问题中的评价信息,构建了直觉模糊语义决策模型,并将其应用于区块链风险投资过程。首先,给出了直觉模糊语义互补判断矩阵(IFLCJM)的加性一致性概念,并建立了加性一致性IFLCJM与规范化直觉模糊权重向量之间的转化关系;其次,构造最优化模型计算IFLCJM与其完全加性一致性IFLCJM之间的差距,并以此来衡量IFLCJM的一致性水平;最后,设计了基于一致性提升算法的直觉模糊语义决策模型,并将其应用于区块链风险投资问题,结果验证了模型的合理性和可靠性。     

直觉区间值模糊推理的三I算法

本文讨论了直觉区间值模糊三I算法的两种最简单形式：MP（Modus Ponens）和MT（Modus Tollens）问题,分别给出直觉区间值模糊环境下的MP问题和MT问题的三I解的一般形式。讨论全蕴涵解的存在条件,基于满足剩余原理的直觉区间值模糊剩余蕴涵,为直觉区间值模糊推理建立全蕴涵算法,即为MP和MT问题建立α-三I算法。     

Gdel n值命题逻辑中命题的α-真度理论

为了在n值命题逻辑系统中建立一种程度化推理机制,并为其提供一个可能的近似推理框架,利用势为n的均匀概率空间的无穷乘积,在n值G?del命题逻辑系统中引入命题的α-真度概念.证明了一般真度推理规则,给出了判定α-重言式的充分必要条件,并利用命题的α-真度定义了命题间的α-相似度,进而导出命题集上的一种伪距离,使得在n值命题逻辑系统中展开近似推理成为可能.提出的程度化推理方法为近似推理的算法实现奠定了基础,并对知识推理的程度化有所启示.     

G?del n值命题逻辑中命题的α-真度理论

为了在n值命题逻辑系统中建立一种程度化推理机制,并为其提供一个可能的近似推理框架,利用势为n的均匀概率空间的无穷乘积,在n值G?del命题逻辑系统中引入命题的α-真度概念.证明了一般真度推理规则,给出了判定α-重言式的充分必要条件,并利用命题的α-真度定义了命题间的α-相似度,进而导出命题集上的一种伪距离,使得在n值命题逻辑系统中展开近似推理成为可能.提出的程度化推理方法为近似推理的算法实现奠定了基础,并对知识推理的程度化有所启示.