一阶信度网理论及在数据挖掘中的应用研究

信度网是目前人工智能不确定性知识表达的主流方式，其理论意义和应用前景已为学术界和企业界所公认。然而，近年来，人们普遍认识到传统信度网结构表达知识的局限，因为它实质上只是命题逻辑的一种概率模型。因此用一阶逻辑扩充信度网知识表达，即一阶信度网，便成为了目前信度网研究的热点主题之一。一阶信度网是一个很有理论和应用价值的研究课题，但也是一个具有挑战性的课题，在理论上有较大的难度。本项目研究现有一阶信度网尚需解决的三个关键问题，旨在建立一套完整的一阶信度网理论。主要内容包括：基于一阶逻辑的不确定性因果知识表达方式及语义模型的研究，由概率知识库动态构造信度网结构的推理算法研究，以及基于一阶信度网的数据挖掘方法研究等。其成果可望对信度网知识表达的理论和实际应用产生积极影响。