[发明专利]一种基于混合推理的自然环境效应知识推理方法

摘要

本发明公开了一种基于混合推理的自然环境效应知识推理方法，借助这个方法能够对结构化的显性知识(如本体模型)进行隐性知识挖掘，使自然环境效应与可靠性设计分析形成动态联系，使得自然环境效应相关知识能够在实际的可靠性设计分析工作中得到应用。步骤如下：1构建自然环境效应知识的案例推理。包括，基于特征向量的案例库构建以及基于属性相似性测度的案例推理方法。2构建自然环境效应知识的规则推理。3设计自然环境效应知识的混合推理规则。

主权项

1.一种基于混合推理的自然环境效应知识推理方法，主要包含以下三部分：

第一部分：构建自然环境效应知识的案例推理

基于案例的推理是根据一定的规则，从大量知识中检索出之前对此类问题的解决经验和相似案例，并判断其是否适应于现在的待解决的问题，进行适当的修正后最终给出一个或若干个合理的解决方案。构建过程包括如下几个步骤：

步骤1：定义案例结构，以此基于特征向量法从环境效应本体中提取相关领域知识，继而形成案例，将案例汇总，形成自然环境效应知识的案例库。具体内容如下：

案例结构主要包括：问题和情景描述、解决方法和实施效果。因此，可以将案例表示为一个多元组，其定义如下：

C＝{A,S,O}

其中，A＝{a₁,a₂,…,a_n}是一个非空有限集合，用于表示对案例的说明性信息，是对案例的问题的特征属性集合；如用于案例检索的名称、类型、应用背景等。

S＝{s₁,s₂,…,s_n}是一个非空有限集合，用于表示解决方法的特征属性。

O＝{o₁,o₂,…,o_n}是一个可空有限集合，用于表示案例方法实施的结果。

为了增加案例检索准确性和效率，可以与环境效应本体相结合，对问题属性进行详细划分。

最后将上述集合，进行存储，形成自然环境效应知识的案例库。

步骤2：建立案例推理算法，应用属性相似性测度方法，对案例属性的相似度评定，从而获取最优的案例。具体内容如下：

1)以推理条件i中的属性信息，构建推理条件属性向量S＝[a_ik]，且另向量S中所有元素值为零；

2)对推理条件中的每个属性赋予其权重值w_k，得到权重值向量W；

3)提取已有案例的属性，构造与向量S维数相同的案例属性向量S^*＝[a_jk]，如果案例中存在与推理条件中的属性匹配项时，则向量S^*内对应的元素值置为1，否则为0；

4)在案例检索时，应用以下表达式，逐一计算推理条件和已有案例的距离值，获取SIM值最小的案例：

其中：c_i为推理条件i，c_j为案例j；a_ik和a_jk分别为推理条件i和案例j的第k个属性，n为案例属性的数量，这里取r＝2(欧几里德距离函数形式)，SIM为距离值。

第二部分：构建自然环境效应知识的规则推理

案例推理的过程较为依赖于经验和已有案例，经验和已有案例的质量对推理结果具有极大影响，因此，引入规则推理进行补充，规则推理中的规则一旦被提出来，其概括性和正确性是肯定的。

首先，建立规则提取算法，选用基于粗糙集的规则提取方法，将经验数据和案例中易于证实的规则知识提取出来，进而将规则进行存储，形成自然环境效应知识的规则库。

具体内容如下：

1)提取案例中的问题特征属性集A和解决方案属性集S，构成二维的数据视图。利用基于可辨识矩阵和逻辑运算的方法约简属性。

2)根据决策规则表计算可辨识矩阵C_D，C_D(i,j)表示可辨识矩阵中的第i行j列的元素：

其中，i,j＝1,2,…,n

3)将C_D中的元素用析取逻辑表达式L_ij表示：

4)将所有的析取逻辑表达式L_ij进行合取运算，得一个合取范式L，即

5)将合取范式L转换为析取范式的形式，得

6)得到约简结果，析取范式中的合取项即为提取规则。

7)将已提取的到的案例进行存储，形成规则库，进而根据规则的条件属性的匹配，选取相应的规则。

第三部分：设计自然环境效应知识的混合推理规则

配置完成CBR和RBR推理所需的案例库和规则库后，需要设计混合推理规则，从而在进行考虑自然环境效应的可靠性设计分析时完成对案例库和规则库的调用。