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)是人工智能領域的一個分支,它克服了知識獲取的瓶頸問題,模擬人類遇事的慣性思維,用過去的經(jīng)驗解決當前遇到的問題,能有效提高問題處理的效率。CBR中,事例表示是基礎,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-對的方法,這種方法簡潔明了,但是應用的范圍非常有限。而描述邏輯的最大特點之一是表達能力強,把描述邏輯與 CBR結合,研究相應的事例表示、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,而且能擴大CBR的應用范圍。以ALC為代表的描述邏輯已被充分應用到CBR中,但目前在基于描述邏輯的CBR中還沒有比較有效的算法來判斷檢索到的相似事例是否需要修正和如何進行修正。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算法的基礎上進行了改進,引入概念圖和相應的擴展規(guī)則,將ALCQ(D)的概

3、念通過擴展規(guī)則擴展成完全概念圖,然后將概念圖上的結點進行分類檢測矛盾,最后針對矛盾進行逐一修復。改進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,可以找到概念中不滿足的部分,進而進行替換修正,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的源事例和目標事例,先假定檢索到的相似事例能夠解決目標問題,即假定目標事例和相似事例同時滿足知識庫。接著,對于與知識庫產(chǎn)