一階謂詞邏輯下子句型信念的非修正推理方法.pdf

1、實(shí)現(xiàn)計(jì)算機(jī)的自動(dòng)推理是人工智能領(lǐng)域中的一個(gè)重要課題。對于傳統(tǒng)的常識推理，新知識可由舊知識以經(jīng)典邏輯的原理推理得到。然而在實(shí)際應(yīng)用中，知識往往是不確定、不一致和不完全的，通常被稱為信念。根據(jù)經(jīng)典邏輯的原理，以不一致的知識作為前提推理得出的結(jié)論是沒有意義的。因此，為了使得這類推理能夠得到盡可能合理的結(jié)論，人們提出了多種解決不一致推理的方法，信念修正就是其中較為常用的方法。信念修正的主要思想是:當(dāng)新加入的知識與知識庫中的信念不一致時(shí)，就將知識

2、庫中的信念按照某種優(yōu)先度進(jìn)行排序，并刪除其中引起不一致的且優(yōu)先度較低的部分，從而維護(hù)知識庫的一致性。
　　相對于信念修正，非修正推理方法不刪除知識庫中的信念，而是容忍知識庫中的不一致，并通過提出新的推理方法來產(chǎn)生唯一的、一致的、演繹封閉的結(jié)論集。這種方法保留了知識庫中的信念，減少了信息的損失。本文提出了一種一階謂詞邏輯下子句型信念的非修正推理方法，證明了該方法所產(chǎn)生的結(jié)論集滿足唯一性、一致性和演繹封閉性，并給出了主要算法。相對于現(xiàn)

3、有的非修正推理方法，本文提出的方法無論在結(jié)論集的完備性，還是在算法的效率上均具有較大的優(yōu)勢。本文還討論了非修正推理方法的認(rèn)識進(jìn)程，證明了該方法的認(rèn)識進(jìn)程具有收斂性。
　　最后，本文結(jié)合了粗糙集規(guī)則提取方法和一階謂詞邏輯下子句型信念的非修正推理方法，提出了一個(gè)基于先驗(yàn)知識與粗糙集規(guī)則提取的分類系統(tǒng)。相對于傳統(tǒng)的基于粗糙集規(guī)則提取的分類系統(tǒng)，本文構(gòu)建的系統(tǒng)可以獲得更為合理的分類結(jié)果，并且可以從不同形式的決策系統(tǒng)提取知識，將其匯集到知識