Fuzzy Knowledge Representation, Learning and Optimization with Bayesian Analysis in Fuzzy Semantic Networks
Institut Préparatoire aux études d'Ingénieur de Monastir（莫纳斯提尔工程师预备学院）
本文提出了一种基于贝叶斯分析技术和Gallois格的模糊语义网络优化方法。我们使用的技术系统通过解释一个未知的单词来学习，使用这个新单词和已知单词之间的链接。主链接由查询的上下文提供。当新手的查询与应用于表示理想用户网络中的对象或用户网络中的对象的已知名词的未知动词（目标）混淆时，系统推断该新动词对应于已知目标之一。随着学习的新的单词在自然语言的解释，这是在与用户达成协议，该系统改进了其表示方案在每个实验与一个新的用户，此外，利用以前的讨论与用户。因此，通过这些类型的学习获得的用户对象的语义网并不总是最优的，因为用户对象之间的一些关系可以根据表征它们的力的值来概括和抑制。事实上，为了简化得到的网络，我们建议进行归纳贝叶斯分析，从加洛瓦格得到的网络。该分析的目的可以被看作是对所获得的描述图进行过滤的操作。
2012-06-08 cs.AI
Inheritance in Object-Oriented Knowledge Representation
Taras Shevchenko national University of Kyiv（基辅塔拉斯·舍甫琴科国立大学）
本文讨论了面向对象程序设计、框架和面向对象动态网络等知识表示模型中的继承机制。此外，还讨论了模糊和不精确知识表示中的继承问题。本文介绍了新的继承类型，所有已知的继承类型和方法的一般分类，它允许避免在许多情况下的问题与异常，冗余和模糊的面向对象的动态网络及其模糊扩展。所提出的方法基于同构和非同构或异构类对象的概念，这使得继承层次结构的建立更加灵活和有效。
2015-10-14 cs.AI
Tracking object's type changes with fuzzy based fusion rule
本文分析了用于目标类型估计的时序属性数据融合的三种组合规则的行为。比较分析的依据是：Dempster-Shafer理论中提出的Dempster融合规则;在Dezert-Smarandache理论中提出的比例冲突再分配规则5（PCR 5）和一种备选类融合规则，将信息融合的组合规则与特定的模糊算子联系起来，重点讨论了作为普通合取规则的类比的基于t-范数的合取规则和作为普通析取规则的类比的基于t-范数的析取规则。研究了TCN融合规则中不同的t-范数和t-范数函数对目标类型估计性能的影响。
2009-10-08 cs.AI
Possibility as Similarity: the Semantics of Fuzzy Logic
SRI International（SRI国际公司）；Artificial Intelligence Center（人工智能中心）
本文讨论的基本问题的性质的概念和结构的模糊逻辑，特别是集中在概念和功能之间存在的差异，概率和可能性的方法。语义模型提供了一个基本框架，通过一个函数来定义可能性结构和概念，该函数量化了可能世界对之间的接近度、接近度或相似性。由此产生的模型是一个自然的扩展，基于多个可构思的关系，模态逻辑概念的必要性和可能性。相比之下，面向机会的概率概念和结构依赖于集合扩展的度量，这些度量量化了命题为真的可能世界的比例。可能世界之间的相似性通过广义相似关系来量化：一个函数，它为每对可能世界分配一个介于O和1之间的数字。使用这种相似关系，这是一种形式的数字补充的一个经典的度量或距离，这是可能的定义和解释的主要结构和方法的模糊逻辑：条件和无条件的可能性和必要性分布和广义前件的扎德。
2013-03-27 cs.AI
Fuzzy Intelligent System for Student Software Project Evaluation
School of Information Technology and Engineering（信息技术与工程学院）；Kazakh-British Technical University（哈萨克斯坦-英国技术大学）
本文提出一个模糊智能系统，以整洁代码、继承使用和功能性为模糊变量，结合专家规则自动评估学生软件项目质量，从而标准化评估并减少主观偏差。
2024-05-01 cs.AI cs.CY cs.SE
Use of Fuzzy Sets in Semantic Nets for Providing On-Line Assistance to User of Technological Systems
Preparatory institute of engineering studies of Monastir（莫纳斯提尔工程研究预备学院）
本文的主要目的是开发一种新的语义网络结构，基于模糊集理论，用于人工智能系统，以提供有效的在线援助的新技术系统的用户。这种语义网络是用来描述一个“理想”的专家的知识，而模糊集是用来描述新手用户的近似和不确定的知识，谁干预匹配模糊标签的查询与类别从一个“理想”的专家。我们所考虑的技术系统是一个文字处理软件，其对象为“Word”，目标为“Cut”或“Copy”。我们建议考虑一组系统的目标作为一组语言变量，对应于一组可能的语言值的基础上的模糊集。因此，我们认为，这些可能的值对应于一组隶属函数的一组解释的水平。我们还提出了一种方法来衡量不同的模糊语言变量之间的相似度的相似对象的类中的语义网络的分区，使用户的模糊查询的诊断容易。
2012-06-05 cs.AI
Softening Fuzzy Knowledge Representation Tool with the Learning of New Words in Natural Language
ERPAH-FST & DMI-IPEIM（ERPAH-FST与DMI-IPEIM）
这里描述的方法允许使用隶属度函数来表示不精确和不确定的知识，通过学习模糊语义网络。这种表示具有很大的实际意义，因为一方面可以实现从一个简单的值来构造这种隶属函数，该值表示与其他值相比对对象或目标的解释程度，另一方面可以实现在学徒期间对隶属函数的调整。我们展示了如何使用这些隶属函数来表示与系统对象（分别为目标）相比的对象（分别为目标）用户的解释。我们还展示了一个系统对象相比，用户对象的每个表示作出决定的可能性。该决策是通过确定根据用户对象隶属函数的核计算的决策系数来做出的。
2012-06-08 cs.AI
Fuzzy Geometric Relations to Represent Hierarchical Spatial Information
Command and Control Division APGinc.（APG公司指挥与控制部）；Defence Research Establishment Valcartier（瓦尔卡捷国防研究机构）
提出了一种空间信息的表示模型。它是基于模糊约束表示为模糊几何关系，可以分层结构。空间模板的概念被引入到捕捉的想法，相关的对象在二维空间。该表示模型用于指定模板对象的相对位置和方向中的不精确或模糊信息。它示出了在本文中如何由该模型所表示的模板可以匹配对一个脆的情况下，识别该模板的一个特定的实例。此外，计算实例与模板之间的接近度（模糊度量）-该度量可以被解释为相似度。在这种情况下，模板识别可以被视为模糊模式识别的情况。这项工作的结果已经实施，并应用于一个复杂的军事问题，这项工作起源。
2013-02-27 cs.AI
Uncertain and Approximative Knowledge Representation to Reasoning on Classification with a Fuzzy Networks Based System
Institut Préparatoire aux études d'Ingénieur de Monastir（莫纳斯提尔工程师预科学院）
这里描述的方法允许使用模糊对象表示的不精确和不确定的知识。这种表示有很大的实际意义，由于可能实现推理的分类与模糊语义网络为基础的系统。例如，必要的，可能的和用户类之间的区别允许考虑到可能出现在模糊知识库中的异常，并促进用户对象在基础中的集成。这种方法描述了整个实验性人工智能体系结构的理论方面。我们内置的了一个系统，以便为新技术系统的用户提供有效的在线帮助：从自然语言的查询中理解“它是如何工作的”和“如何完成任务”。在我们的模型中，程序语义网络被用来描述一个“理想”的专家的知识，而模糊集被用来描述模糊语义网络中的新手用户的近似和不确定的知识进行干预，以匹配模糊标签的查询与类别，从我们的“理想”的专家。
2012-06-11 cs.AI
A Dynamic Survey of Fuzzy, Intuitionistic Fuzzy, Neutrosophic, Plithogenic, and Extensional Sets
本文系统回顾了模糊、直觉模糊、邻域模糊和多维模糊集的理论发展，旨在通过统一阐述激发新的研究思路和应用扩展。
2026-03-12 cs.AI cs.CE
Reasoning within Fuzzy Description Logics
I.E.I - C.N.R.（国家研究委员会信息工程研究所）
描述逻辑（DL）是用于管理结构化知识的合适的、众所周知的逻辑。它们允许对个人和定义明确的概念进行推理，即，具有共同属性的个体集合。在应用程序中使用DL的经验表明，在许多情况下，我们希望扩展其功能。特别是，它们的使用在多媒体信息检索（MIR）的上下文中导致令人信服的是，这样的DL应该允许在多媒体对象内容表示和检索的固有的不精确性的治疗。本文将Zadeh的模糊逻辑与经典的DL相结合，提出一种模糊扩展的ALC。特别是，概念变得模糊，因此，支持不精确概念的推理。我们将定义它的语法，它的语义，描述它的属性，并提出了一个约束传播演算推理。
2011-06-03 cs.AI
A Concurrent Fuzzy-Neural Network Approach for Decision Support Systems
决策是一个在多准则目标的复杂问题中进行选择的过程。在过去的几年里，人们越来越认识到软计算技术是智能系统的概念、设计和利用的基础。工程师和科学家们已经做了一些工作，应用智能技术和数学从不精确的信息中获得最佳决策。本文提出了一种结合无监督学习和监督学习技术的并行模糊神经网络方法来开发战术空战决策支持系统（TACDSS）。实验结果清楚地证明了所提出的技术的效率。
2004-05-06 cs.AI
Bounded Fuzzy Possibilistic Method of Critical Objects Processing in Machine Learning
学习方法的不满意的精度主要是由于忽略了重要参数的影响，如隶属度分配，数据对象的类型，距离或相似性函数。所提出的方法，称为有界模糊可能性方法（BFPM）解决了不同的问题，以前的聚类或分类方法没有充分考虑在其成员分配。在模糊方法中，对象的成员数之和应该为1。因此，任何数据对象都可以在至多一个簇或类中获得完全成员资格。可能性方法放宽了这一条件，但即使任意对象仅从一个簇中获得成员资格，该方法也可以满足结果，这妨碍了对象的运动分析。然而，BFPM不同于以往的模糊和可能性的方法，通过消除这些限制。此外，BFPM为目标的运动分析提供了灵活的搜索空间。数据对象也被认为是学习方法中的基本关键，并且知道对象的确切类型导致为学习算法提供合适的环境。论文介绍了一种新类型的对象，称为关键，以及分类数据对象分为两个不同的类别：基于结构和基于行为。关键对象被认为是学习过程中错误分类和错误分配的原因。论文还提出了新的方法来研究关键对象的行为，目的是评估对象从一个集群或类到另一个集群或类的移动（突变）。论文还介绍了一种新的类型的功能，称为显性，这被认为是错误的分类和错误分配的原因之一。在此基础上，本文提出了一套新的相似度函数，称为加权特征距离（WFD）和优先加权特征距离（PWFD）。
2020-07-26 cs.AI cs.LG stat.ML
Bounded Fuzzy Possibilistic Method
Wroclaw University of Science and Technology（弗罗茨瓦夫科技大学）；Climax Data Pattern（Climax数据模式公司）
本文介绍了有界模糊可能性方法（BFPM），解决以前的聚类/分类方法没有考虑的几个问题。在模糊聚类中，对象的隶属度值之和应等于1。因此，任何对象都可以在最多一个集群中获得完全成员资格。可能性聚类方法消除了这一限制。然而，BFPM不同于以前的模糊和可能性聚类方法，允许的隶属函数采取较大的值相对于所有集群。此外，在BFPM中，数据对象可以在多个集群甚至所有集群中具有完全成员资格。BFPM放宽了成员分配的边界条件（限制）。所提出的方法满足了获得正式成员资格的必要性，并克服了传统方法在处理重叠问题上的问题。本文还提出了分析对象从自己的类到另一个类的运动（突变）。BFPM已经在几何学、集合论、异常检测、风险管理、疾病诊断等学科中得到了广泛的应用。有效性和比较指标也被用来评估BFPM的准确性。从精度、模糊化常数（不同范数）、目标运动分析和覆盖多样性等方面对BFPM进行了评价。有希望的结果证明了在学习方法中考虑所提出的方法来跟踪数据对象的行为的重要性，除了获得准确的结果。
2019-02-08 cs.AI cs.LG stat.ML
FuzzRisk: Online Collision Risk Estimation for Autonomous Vehicles based on Depth-Aware Object Detection via Fuzzy Inference
DENSO AUTOMOTIVE Deutschland GmbH（电装德国汽车有限公司）；Technical University of Munich（慕尼黑工业大学）；Chalmers University of Technology（查尔姆斯理工大学）；University of Gothenburg（哥德堡大学）
本文提出FuzzRisk框架，融合深度图2.5D目标与3D检测器预测，利用IoU和深度差异经模糊推理在线估计AV碰撞风险，并在nuScenes与闭环仿真中验证有效性。
2025-02-19 cs.AI cs.CV cs.RO
Statistically Testing Training Data for Unwanted Error Patterns using Rule-Oriented Regression
Johannes Kepler University（约翰内斯·开普勒大学）
提出一种基于面向规则的回归方法，通过预先定义布尔规则条件来统计测试训练数据中潜在的投毒和隐藏错误模式，结合模糊逻辑与回归模型实现可解释性，适用于小数据，为机器学习模型训练建立可信基准。
2025-04-01 cs.AI cs.LG
Towards Commonsense Knowledge based Fuzzy Systems for Supporting Size-Related Fine-Grained Object Detection
Zhejiang Lab（之江实验室）；University of Huddersfield（哈德斯菲尔德大学）
针对细粒度目标检测需大模型和多标注的问题，提出尺寸相关的常识知识推理模块CKIM，结合硬规则与模糊规则方法，辅助轻量级粗粒度检测器实现精准细粒度检测，在更少数据和更小模型下优于基线。
2024-01-29 cs.AI cs.CV
Texture Fuzzy Segmentation using Skew Divergence Adaptive Affinity Functions
Federal University at Rio Grande do Norte（北里奥格兰德联邦大学）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Brazilian Federal Highway Police Station（巴西联邦公路警察局）；Universidad Nacional Autónoma de México（墨西哥国立自治大学）
数字图像分割是指对数字图像中的不同对象分配不同标签的过程，模糊分割算法已成功地用于从各种源中分割图像。然而，传统的模糊分割算法无法分割的对象，其特征在于纹理的模式不能成功地描述简单的统计计算在一个非常有限的区域。在本文中，我们提出了一个扩展的模糊分割算法，使用自适应纹理的亲和函数来执行二维图像上的对象的分割。自适应亲和度函数根据正在处理的纹理的特性，在计算种子拼写（空间元素）周围的纹理描述符时计算其适当的邻域大小。然后，该算法分割图像与每个对象的适当的邻域。我们进行了实验的马赛克图像，使用Brodatz数据库中的图像组成，并将我们的结果与最近出版的纹理分割算法，显示我们的方法的适用性。
2017-10-07 cs.AI cs.CV cs.GR
Comparative Analysis of Widely use Object-Oriented Languages
University of Management and Technology（管理与技术大学）
针对面向对象入门语言难以选择且缺乏统一评估方法的问题，本文提出一个依据技术与环境特征评估常用面向对象语言的综合比较框架。
2023-06-02 cs.AI cs.PL
Improving Fuzzy-Logic based Map-Matching Method with Trajectory Stay-Point Detection
Kharazmi University（哈拉兹米大学）
针对GPS轨迹中停留点不规则导致地图匹配错误的问题，提出利用DBSCAN聚类停留点并消除冗余数据的方法，在保持匹配准确度的同时减少了数据量和处理时间。
2022-08-04 cs.AI cs.CG cs.CV
