基于描述邏輯的CBR事例修正算法研究.pdf

1、基于事例推理(CBR)是人工智能領(lǐng)域的一個(gè)分支,它克服了知識(shí)獲取的瓶頸問(wèn)題,模擬人類(lèi)遇事的慣性思維,用過(guò)去的經(jīng)驗(yàn)解決當(dāng)前遇到的問(wèn)題,能有效提高問(wèn)題處理的效率。CBR中,事例表示是基礎(chǔ),它決定了事例檢索、事例修正等后續(xù)步驟所用的算法。目前用到的事例表示大多數(shù)是屬性值-對(duì)的方法,這種方法簡(jiǎn)潔明了,但是應(yīng)用的范圍非常有限。而描述邏輯的最大特點(diǎn)之一是表達(dá)能力強(qiáng),把描述邏輯與 CBR結(jié)合,研究相應(yīng)的事例表示、事例檢索和事例修正等算法,不僅能充分發(fā)

2、揮CBR的優(yōu)點(diǎn),而且能擴(kuò)大CBR的應(yīng)用范圍。以ALC為代表的描述邏輯已被充分應(yīng)用到CBR中,但目前在基于描述邏輯的CBR中還沒(méi)有比較有效的算法來(lái)判斷檢索到的相似事例是否需要修正和如何進(jìn)行修正。本文將描述邏輯引入CBR中,用概念表示事例,在此基礎(chǔ)上研究事例修正算法,具體的工作如下:
　　1、給出了基于描述邏輯ALCQ(D)的事例修正算法。該算法是在Tableau算法的基礎(chǔ)上進(jìn)行了改進(jìn),引入概念圖和相應(yīng)的擴(kuò)展規(guī)則,將ALCQ(D)的概

3、念通過(guò)擴(kuò)展規(guī)則擴(kuò)展成完全概念圖,然后將概念圖上的結(jié)點(diǎn)進(jìn)行分類(lèi)檢測(cè)矛盾,最后針對(duì)矛盾進(jìn)行逐一修復(fù)。改進(jìn)后的算法不僅能判定概念的可滿足性,而且在概念不滿足時(shí),可以找到概念中不滿足的部分,進(jìn)而進(jìn)行替換修正,最終使得概念可滿足。
　　2、給出了基于模糊描述邏輯FSHIQ的事例修正算法。該算法用FSHIQ的概念表示 CBR的源事例和目標(biāo)事例,先假定檢索到的相似事例能夠解決目標(biāo)問(wèn)題,即假定目標(biāo)事例和相似事例同時(shí)滿足知識(shí)庫(kù)。接著,對(duì)于與知識(shí)庫(kù)產(chǎn)