基于本体和云理论的不确定知识表示

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (5): 51-54.

基于本体和云理论的不确定知识表示

林培光¹,徐如志¹,余正涛²

1.山东财政学院计算机工程学院，济南 250014
2.昆明理工大学信息工程与自动化学院，昆明 650051

收稿日期:2007-06-07 修回日期:2007-08-17 出版日期:2008-02-11 发布日期:2008-02-11
通讯作者: 林培光

Indifinite knowledge representation based on ontology and cloud theory

LIN Pei-guang₁,XU Ru-zhi¹,YU Zheng-tao²

1.School of Computer Engineering，Shandong University of Finance，Ji’nan 250014，China
2.School of Information Engineering and Automation，Kunming University of Science & Technology，Kunming 650051，China

Received:2007-06-07 Revised:2007-08-17 Online:2008-02-11 Published:2008-02-11
Contact: LIN Pei-guang

摘要/Abstract

摘要： 描述逻辑是本体的重要表示方式，但只能处理严格的确定性的知识，并不能处理自然界中广泛存在的模糊的和不确定的知识。通过对最基本的描述逻辑ALC进行扩展，提出了能够处理不确定知识的基于本体和云模型不确定描述逻辑：Cloud-ALC，给出了Cloud-ALC的语法和语义及其蕴涵推理关系，研究了Cloud-ALC所具有的相关性质。实例分析说明Cloud-ALC可以为扩展本体描述语言以便能够处理不确定知识提供语义支持。

关键词: 云模型, 企业知识表示, 描述逻辑, 不确定性推理

Abstract: Description Logics（short for DLs） are very important for the expression of ontologies，which allow reasoning about individuals and concepts.Typically，DLs can not process the indefinite knowledge existing widely in nature.Based on the cloud model，Cloud-ALC，the extension of the important description logic ALC，is presented to deal with the indefinite knowledge.The syntax and semantic of it are defined，the properties are studied in detail，and the techniques to solving the entailment problem are also presented.Case analysis proves that Cloud-ALC can provide a formal underpinning for the indefinite extension of ontology description languages.

Key words: clould model, enterprise knowledge presentation, Description Logic, indifinite inference

林培光¹,徐如志¹,余正涛². 基于本体和云理论的不确定知识表示[J]. 计算机工程与应用, 2008, 44(5): 51-54.

LIN Pei-guang₁,XU Ru-zhi¹,YU Zheng-tao². Indifinite knowledge representation based on ontology and cloud theory[J]. Computer Engineering and Applications, 2008, 44(5): 51-54.

[1]	王运成，周春华，陈楚湘，吴善明，陈冰. 基于二叉知识树推理的可扩展智能排课系统[J]. 计算机工程与应用, 2021, 57(5): 251-257.
[2]	王丽丽，申燚，徐玉松，袁明新. 融合云模型和反向学习的克隆选择算法[J]. 计算机工程与应用, 2021, 57(17): 68-74.
[3]	谢晖，李松月，孙永河，韩玮. 基于云模型求解属性权重的DEMATEL方法研究[J]. 计算机工程与应用, 2018, 54(7): 257-263.
[4]	徐士东，耿秀丽，董雪琦. 基于云模型的改进FMEA风险评估方法[J]. 计算机工程与应用, 2018, 54(2): 228-233.
[5]	纪蕾1，郭树荣2，丛旭辉3，刘彩霞1. 基于OWA算子和可拓云模型的PPP项目绩效评价——以经营性PPP项目为研究对象[J]. 计算机工程与应用, 2018, 54(16): 220-226.
[6]	肖子涵，耿秀丽，徐士东. 基于云模型的不确定性大群体多属性决策方法[J]. 计算机工程与应用, 2018, 54(11): 254-259.
[7]	李珣1，2，邓乾旺2，刘俊武2. 不确定条件下报废汽车回收率云模型仿真研究[J]. 计算机工程与应用, 2018, 54(10): 256-266.
[8]	常红伟1，夏克文1，2，白建川1，2，牛文佳1，武盼盼1. 采用云量子PSO的属性约简方法[J]. 计算机工程与应用, 2018, 54(10): 99-104.
[9]	崔丽群，黄殿平，宋晓. 基于云模型鱼群算法的多阈值图像分割研究[J]. 计算机工程与应用, 2017, 53(6): 204-208.
[10]	郑皎1，2，章恒全1，焦俊3，徐士东4，肖子涵4. 云模型与VIKOR集成的多属性群决策方法[J]. 计算机工程与应用, 2017, 53(24): 94-99.
[11]	陈志旺1，黄兴旺2，陈志兴3，赵子铮2，黄丽芳4. 区间多目标优化非支配排序云模型算法[J]. 计算机工程与应用, 2017, 53(22): 143-149.
[12]	柳赛男. 仓库物料运输系统多目标调度方法[J]. 计算机工程与应用, 2017, 53(18): 224-229.
[13]	冯彦卿，王伦文. 基于构造型云神经网络的电磁环境评估方法[J]. 计算机工程与应用, 2017, 53(16): 211-215.
[14]	李絮，刘争艳. 基于云模型的模糊自适应蚁群算法研究[J]. 计算机工程与应用, 2016, 52(2): 24-27.
[15]	刘争艳，李絮，王慧玲. 基于云模型的自适应蚁群算法改进研究[J]. 计算机工程与应用, 2016, 52(19): 68-71.