基于ALC及其擴(kuò)展的事例表示及檢索算法研究.pdf

1、事例表示及檢索是基于事例推理(Case-Based Reasoning,CBR)研究中的重點(diǎn)、難點(diǎn)。描述邏輯(Description Logic,DL)能準(zhǔn)確刻畫出不同類型、不同復(fù)雜程度的知識(shí),且具有效、可判定的推理服務(wù),可為CBR中的重要難題提供解決方案。
　　已應(yīng)用于CBR的描述邏輯有C-CLASSIC、εL及ALC等,并在事例表示及檢索等方面取得了較好的效果。但也存在局限,如基于描述邏輯的事例庫(kù)結(jié)構(gòu)簡(jiǎn)單,事例檢索效率較低;知

2、識(shí)表示能力有限,不能表示具有復(fù)雜角色、模糊知識(shí)的事例等。針對(duì)這些問(wèn)題,給出了基于描述邏輯ALC的事例庫(kù)結(jié)構(gòu)及檢索算法,以提高事例檢索效率;接著逐步引入知識(shí)表示能力更強(qiáng)的描述邏輯SHIQ及模糊描述邏輯Fuzzy-SHIQ(D)到CBR中,給出相應(yīng)的事例表示及檢索算法。具體研究?jī)?nèi)容及成果如下:
　　(1)通過(guò)概念距離及LCS推理改進(jìn)了基于ALC的事例庫(kù)結(jié)構(gòu),得到了索引節(jié)點(diǎn)密度大、帶權(quán)重的層次結(jié)構(gòu),實(shí)現(xiàn)了事例更細(xì)致的分類及統(tǒng)一概念距離的

3、語(yǔ)義。根據(jù)該結(jié)構(gòu)的組織方式、LCS概念及概念距離給出了事例檢索算法,證明和實(shí)例驗(yàn)證了事例檢索效率得到了有效的提高。
　　(2)針對(duì)基于描述邏輯的事例表示方法不能表示具有復(fù)雜角色關(guān)系及定性數(shù)量約束的事例,引入描述邏輯 SHIQ。給出了基于 SHIQ的事例表示方法;綜合考慮概念相似的內(nèi)涵法及外延法,通過(guò)將復(fù)雜概念逐步分解得到了基于SHIQ的事例相似性度量算法,解決了基于SHIQ的CBR中的關(guān)鍵問(wèn)題。通過(guò)實(shí)例比較得SHIQ能更準(zhǔn)確的表示

4、某些領(lǐng)域中的事例,采用該相似性度量算法能得到合理的候選事例序列。
　　(3)針對(duì)描述邏輯只能表示精確知識(shí)的局限,引入模糊描述邏輯 Fuzzy-SHIQ(D)到CBR中。給出了基于Fuzzy-SHIQ(D)的事例表示方法及事例篩選算法,綜合考慮概念相似性及隸屬度相似性得到基于Fuzzy-SHIQ(D)的事例相似性度量算法,解決了基于Fuzzy-SHIQ(D)的CBR中的關(guān)鍵問(wèn)題,為將基于描述邏輯的CBR應(yīng)用于模糊領(lǐng)域提供理論支持。通