基于MCN和MO启发式策略的扩展规则知识编译方法

在基于扩展规则的知识编译算法的基础上提出了2种启发式策略:MCN策略和MO策略.MCN策略和MO策略利用子句集的信息分别选择相应子句和变量,减少扩展规则的使用次数,进而降低知识编译后目标子句集的规模.在此基础上,设计并实现了MCN_KCER,MO_KCER和MCN_MO_KCER算法.实验结果表明:2种启发式策略都可以大幅度减小编译后的子句集规模,同时使用它们的效果更为明显,经过编译后得到的子句集规模是原算法的1/3～1/39,从而大幅度提高之后的在线推理阶段的效率.     

EPCCL理论的求交知识编译算法

超扩展规则是对扩展规则的扩充,基于超扩展规则能够求得任意两个非互补且不相互蕴含的子句所能扩展出极大项集的交集、差集和并集,并将所得结果以EPCCL（each pair of clauses contains complementary literals）理论的形式保存.基于超扩展规则的性质,本文提出了一种新的EPCCL理论编译算法：求交知识编译算法IKCHER（intersection approach to knowledge compilation based on hyper extension rule）,该算法适合难解类SAT问题的知识编译,同时是一种可并行的知识编译算法.本文还研究了如何实现多个EPCCL理论的求交操作,证明了EPCCL理论的求交过程是可并行执行的,并设计了相应并行求交算法PIAE（parellel intersection of any number of EPCCL）.通过对输入EPCCL理论对应普通子句集的利用,设计了一种高效的并行求交算法imp-PIAE（improvement of PIAE）.基于上述算法本文还设计了两个并行知识编译算法P-IKCHER（IKCHER with PIAE）和impP-IKCHER（IKCHER withimp-PIAE）,分别采用PIAE并行合并算法和imp-PUAE并行合并算法.最后,通过实验验证了大部分情况下IKCHER算法的编译质量是目前为止所有EPCCL理论编译器中最优的,P-IKCHER算法所使用的合并策略并没有起到加速的效果,反而使得编译效率和编译质量有所下降,而impP-IKCHER算法提高了IKCHER算法的编译效率,四核并行下最高可提高两倍.     

一种基于扩展规则的#SAT 求解系统

#SAT 问题是SAT 问题的扩展,需要计算出给定命题公式集合的模型个数.通过将问题求解沿着归结的反方向进行,并利用容斥原理解决由此带来的空间复杂性问题,提出了一种基于扩展规则的模型计数和加权模型计数问题求解框架,可以看作是目前所有模型计数问题求解方法的一种补方法.证明了该方法的完备性和有效性,设计了基于扩展规则的#SAT 求解系统:JLU-ERWMC.实验结果表明,JLU-ERWMC 在有些问题中优于目前最为高效的#SAT 问题求解系统.     

基于多维关联规则的本体规则扩展方法

目前扩充和丰富本体存在很大的局限性.对此,文中提出采用多维关联规则技术扩展本体规则方法.通过对本体规则提取,在本体指导下的一致性处理,规则映射的建立,以及对概念本体的重新识别和更新等技术和方法充实和扩展概念本体.茶病虫害预测本体的实验结果表明该方法易于实现且具有较高的可行性和有效性.     

规则推理和案例推理的集成研究

基于规则的推理（ＲＢＲ）和基于案例的推理（ＣＢＲ）是知识或两类实用有效的推理方式，文中提出了一种ＲＢＲ与ＣＢＲ相互集成的方法，为消除ＣＢＲ和ＲＢＲ结果之间的冲突，引入了逆案例，隐含规则和相似性度量等概念，以此提高了系统求解问题的效率，增强了系统对不良结构问题的适应性。     

基于扩展知识空间的诊断模型

传统的诊断模型并没有考虑到受测者在测试过程中存在着非理性的失误,但是在实际测试中,这却是影响学生测试结果不可忽略的因素.已有的诊断模型将知识空间和诊断相结合,获得受测者的知识状态.但随着测量理论的的不断发展,人们越来越关注受测者的技能掌握水平.将诊断运用到扩展知识空间中,提出一种扩展知识空间中的学习诊断模型,该模型使用...     

可能性线性模型中的参数选优与输入噪声间关系的研究

基于可能性理论的可能性线性模型(PLM)在模糊建模等应用中有重要的作用.本文首先借鉴统计学习理论将此模型扩展为正则化(regularized)的可能性线性模型(RPLM),以提高其泛化能力.然后利用将其优化问题转换为最大后验估计问题的新方法,研究当数据含有噪声时,模型中的拟合门限值λ和输入噪声均方差σ之间的关系.理论推导和仿真实验均证明,当输入噪声为高斯模型时,λ和σ成近似的线性反比关系.该结论对PLM和RPLM均有借鉴意义,为已知输入噪声均方差时,合理选择λ提供理论依据.     

面向不确定性知识表示的描述逻辑SROIQ(D)不确定性扩展

为增强描述逻辑对不确定性知识的表示能力,提出了一种对描述逻辑SROIQ(D)进行不确定性扩展的方法。该方法基于不确定性理论和描述逻辑SROIQ(D),针对知识表示中大量存在的模糊性、粗糙性和随机性知识,首先给出了模糊粗糙概念条件概率的计算方法,并以此为基础对SROIQ(D)进行了不确定性扩展;然后基于模糊粗糙逻辑和概率逻辑分别给出了扩展后的语法、语义和推理任务,使不确定性SROIQ(D)描述逻辑具备同时处理3类不确定性知识的能力。     

基于同义词和关联规则的查询扩展模型

改进同义词获取和基于关联规则的相关词算法,建立一个扩展的贝叶斯网络模型,并给出文档相关度计算推理过程。实验证明该方法平均精确度大幅度提高。     

基于规则聚类和参数学习的扩展置信规则库推理模型

扩展置信规则库(EBRB)中的规则数量和参数取值共同影响EBRB推理模型的决策准确性和计算效率. 基于此,提出一种基于规则聚类和参数学习的改进EBRB推理模型,称为RCPL-EBRB模型.所提出模型的基本原理如下:首先,依据密度聚类分析对EBRB进行规则聚类来识别EBRB中无效的扩展置信规则和优化传统EBRB的建模过程;然后,以聚类所得到的规则簇(即Sub-EBRB)进行参数学习和规则推理,保证激活规则集合的一致性,从而提高RCPL-EBRB模型的决策准确性和计算效率;最后,引入非线性函数拟合和基准分类问题数据集开展模型的有效性检验和参数灵敏度分析.实验结果表明,所提出RCPL-EBRB模型比现有EBRB推理模型和传统机器学习方法具有更高的决策准确性.     

Knowledge Compilation Using the Extension Rule

In this paper, we define a new class of tractable theories: EPCCL theories. Using EPCCL theories as a target language, we propose a new method for knowledge compilation. It is different from existing approaches in that both the compilation and the querying are based on the extension rule, a newly introduced inference rule. With our compilation method, arbitrary queries about the compiled knowledge base can be answered in linear time in the size of the compiled knowledge base. For some theories, the compilation can be done very efficiently, and the size of the compiled theory is small. Furthermore, our method suggests a new family of knowledge compilation methods.     

Practical Handling of Exception-Tainted Rules and Independence Information in Possibilistic Logic

This paper provides a survey of possibilistic logic as a simple and efficient tool for handling nonmonotonic reasoning, with some emphasis on algorithmic issues. In our previous works, two well-known nonmonotonic systems have been encoded in the possibility theory framework: the preferential inference based on System P, and the rational closure inference proposed by Lehmann and Magidor which relies on System P augmented with a rational monotony postulate. System P is known to provide reasonable but very cautious conclusions, and in particular, preferential inference is blocked by the presence of irrelevant properties. When using Lehmann's rational closure, the inference machinery, which is then more productive, may still remain too cautious, or on the contrary, provide counter -intuitive conclusions. The paper proposes an approach to overcome the cautiousness of System P and the problems encountered by the rational closure inference. This approach takes advantage of (contextual) independence assumptions of the form: the fact that is true (or is false) does not affect the validity of the rule normally if then . The modelling of such independence assumptions is discussed in the possibilistic framework. Moreover, we show that when a counter-intuitive conclusion of a set of defaults can be inferred, it is always possible to repair the set of defaults by adding suitable information so as to produce the desired conclusions and block unsuitable ones.     

三值关联规则在不确定性知识表示及推理中的应用

针对传统关联规则和 Ｂｏｏｌｅａｎ规则矩阵无法进行不确定性知识表示和推理的弱点,该文采用三值逻辑表示规则和真值状态的不确定性,提出并使用三值关联规则（Ｔ规则）和三值规则矩阵（ＴＲ矩阵）,利用 ＴＲ矩阵变换实现高速前向推理和后向推理。对复合三值规则的无损分解进行了详细探讨,最后提出了一个能进行不确定推理的新算法。     

A Hybrid Logic for Reasoning about Knowledge and Topology

We extend Moss and Parikh’s bi-modal system for knowledge and effort by means of hybrid logic. In this way, some additional concepts from topology related to knowledge can be captured. We prove the soundness and completeness as well as the decidability of the extended system. Special emphasis will be placed on algebras.     

Extension of Petri Nets for Representing and Reasoning with Tasks with Imprecise Durations

This paper presents an extension of Petri net framework with imprecise temporal properties. We use possibility theory to represent imprecise time by time-stamping tokens and assigning durations to firing of the transitions. A method for approximation of an arbitrary temporal distribution with a set of possibilistic intervals is used to introduce the composition operation for two possibilistic temporal distributions. We developed a method to determining an effective enabling time of a transition with incoming tokens with possibilistic distributions. The utility of the proposed theory is illustrated using an example of an automated manufacturing system. The proposed approach is novel and has a broad utility beyond a timed Petri network and its applications.     

结合互补度的基于扩展规则#SAT问题求解方法

#SAT问题又称模型计数(model counting)问题是人工智能领域的研究热点之一,在人工智能领域被广泛应用.在对基于扩展规则的#SAT问题求解方法CER(counting models using extension rules)深入研究的基础上,提出一种结合互补度的#SAT问题求解方法.在计算给定子句集的模型个数时,利用SE-Tree(set enumeration tree)形式化地表达计算过程,逐步生成需要计算的子句集合,并在SE-Tree中添加终止结点,避免大部分含互补文字子句集合的生成,且不会因剪枝而导致求解不完备.提出互补度的概念,在扩展SE-Tree结点时按照互补度由大到小的顺序扩展,较早地生成含互补文字且长度较小的子句集合,有效减少枚举树生成的结点个数,进而减少对子句集合判断是否含互补文字的计算次数.实验结果表明：与CER方法相比该方法效率较好,且进一步改进了CER方法在互补因子较低时求解效率低下的不足.