n值逻辑系统MTLn中命题的程度化方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (21): 4-7.

n值逻辑系统MTL_n中命题的程度化方法

李骏^1,2，王国俊²，周艳³

1.兰州理工大学理学院，兰州 730050
2.陕西师范大学数学研究所，西安 710062
3.西安陆军学院军事运筹教研室，西安 710108

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-21 发布日期:2007-07-21
通讯作者: 李骏

Graded method of propositions in n-valued logical system MTLn

LI Jun^1,2，WANG Guo-jun²，ZHOU Yan³

1.School of Science，Lanzhou University of Technology，Lanzhou 730050，China
2.Institute of Mathematics，Shaanxi Normal University，Xi’an 710062，China
3.Military Operational Reasearch and Teaching Section，Xi’an Military Academy，Xi’an 710108，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-21 Published:2007-07-21
Contact: LI Jun

摘要/Abstract

摘要： 基于均匀概率空间的无穷乘积，在n值命题逻辑系统MTLn中引入命题的?琢-真度概念，给出了一般真度推理规则；利用命题的α-真度定义了命题间的α-相似度，进而导出命题集上的一种伪距离，使得在n值命题逻辑系统MTLn中展开近似推理成为可能。

关键词: α-真度, 真度, 相似度, 伪距离, 近似推理

Abstract: By means of the infinite product of evenly distributed probability space，this paper introduces the theory ofα-truth degrees in n-valued propositional logical system MTLn，also，general reference rules with truth degrees are obtained.Moreover，a pseudo-metric on the set of propositions is defined by means of the concept of truth degrees of propositions and this make it possible to develop approximate reasoning in n-valued proposition logic system MTLn.

Key words: α-truth degree, truth degree, similarity degree, Pseudo-metric, approximate reasoning

李骏^1,2，王国俊²，周艳³. n值逻辑系统MTL_n中命题的程度化方法[J]. 计算机工程与应用, 2007, 43(21): 4-7.

LI Jun^1,2，WANG Guo-jun²，ZHOU Yan³. Graded method of propositions in n-valued logical system MTLn[J]. Computer Engineering and Applications, 2007, 43(21): 4-7.

[1]	张岐山，陈露露. 基于均衡接近度灰关联的Slope One算法[J]. 计算机工程与应用, 2021, 57(9): 96-102.
[2]	王永贵，李倩玉. 基于KNN-GBDT的混合协同过滤推荐算法[J]. 计算机工程与应用, 2021, 57(9): 103-108.
[3]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[4]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[5]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[6]	钱芸芸，杨文忠，姚苗，李海磊，柴亚闯. 融合主题相似度权重的主题社区发现模型[J]. 计算机工程与应用, 2021, 57(5): 107-114.
[7]	田维安，陈红梅，周丽华. 基于相似用户好奇心的多样性推荐方法[J]. 计算机工程与应用, 2021, 57(23): 113-121.
[8]	梁田，曹德欣. 基于莱维飞行的改进简化粒子群算法[J]. 计算机工程与应用, 2021, 57(20): 188-196.
[9]	刘莉. 基于用户多样性偏好的top-N推荐算法[J]. 计算机工程与应用, 2021, 57(17): 116-121.
[10]	杨延娇，赵国涛，王丕栋. 基于语义与情感的句子相似度计算方法[J]. 计算机工程与应用, 2021, 57(16): 151-158.
[11]	赵琪，杜彦辉，芦天亮，沈少禹. 基于Capsule-BiGRU的文本相似度分析算法[J]. 计算机工程与应用, 2021, 57(15): 171-177.
[12]	乔伟涛，黄海燕，王珊. 基于Transformer编码器的语义相似度算法研究[J]. 计算机工程与应用, 2021, 57(14): 158-163.
[13]	张振海，张湘婷. 上下文感知的高铁信息服务推荐方法研究[J]. 计算机工程与应用, 2021, 57(12): 231-236.
[14]	曾海燕，左开中，王永录，刘蕊. 路网环境下的语义多样性位置隐私保护方法[J]. 计算机工程与应用, 2020, 56(7): 102-108.
[15]	魏玮，张芯月，朱叶. 改进的SIFT结合余弦相似度的人脸匹配算法[J]. 计算机工程与应用, 2020, 56(6): 207-212.