论文部分内容阅读
智能系统是能够理解、学习复杂信息并能做出决策和分析行为的软硬件实体，具备识别对象和事件、存储丰富的可利用知识、推理和预测等基本能力，能够适应复杂环境并能够从环境中获得所要关注或认知的信息并做出适当的反馈行为。近年来，随着网络化系统工程、模糊系统、智能感知、多源信息处理、自动化控制、神经网络、先进计算、多Agent等技术在人工智能领域中的不断发展，普适化、服务化、泛在化逐步成为新型智能系统的主要特点。
本文围绕系统柔性设计模式、多源异构信息集成、海量信息资源蕴涵知识规则获取、分布式协同求解等方面对智能系统开展深入研究，拓展智能系统决策和分析的理论与应用范畴，实现人们获取系统服务的自然便捷交互接口，大规模、无序数据资源的统一组合，数据仓库中稀少数据项的知识萃取与发现，复杂问题分布式环境下的服务调度与协作。最后，将研究理论方法与成果应用于工厂化农业生产管理领域进行系统级实际验证。本文主要工作包括：
1.基于自适应柔性机制的智能体系架构。以智能系统定义为基础，研究自适应柔性总线机制，通过对智能系统体系结构的构件化分析，提出分布式协同构件建模方法与具有总线控制机制的智能系统的应用集成框架，针对多模态数据融合、Web信息挖掘、上下文感知、物联网应用等技术需求，提出知识网格式智能系统和移动智能系统部署模型，为智能系统的知识获取技术的研究提供了系统级的逻辑架构基础。
2.基于本体的多模态信息融合算法。在综合分析卡尔曼滤波算法、Bayes估计算法、证据理论算法的基础上，提出一种广义的融合算法-基于本体的多模态信息融合算法，整合多种融合方法和结构，定量分析与定性分析相结合，探索了统一的信息融合理论框架，给出了多模态信息本体集合空间描述方法与层次化表达结构，建立基于通用数据引擎的模糊神经网络结构模型，通过不同侧面源数据隶属度语义关联与多模运算，实现文本、图像、视频等多源异构数据平滑融合。
3.支持Web信息抽取与多重支持度的知识发现方法。分析知识获取过程，给出一种基于海量网络资源的可持续更新的知识发现方法——基于语义网的知识发现方法；分析基于海量Web信息识别用户感兴趣数据的原理，提出一种新的包装器自动生成算法，完成从雪花状无序数据到结构化数据的转换；针对Web数据库中的大数据项集，提出基于频繁模式树的多重支持度关联规则挖掘算法，解决单一最小支持度挖掘关联规则不能反映不同数据项出现频度与性质的问题。
4.基于人工免疫系统的多Agent任务协同处理方法。针对智能系统对复杂任务的决策处理需求，提出一种基于多Agent的协同处理方法，对复杂任务进行分解是多个Agent对任务协同处理的前提，提出一种“与或树”任务分解方法，对于复杂任务进行分解，最终能够形成一个复杂任务的分解树，实现对任务树进行修剪。
5.新型智能系统原型的实现。基于以上几个方面的研究，以猪病诊断智能系统为例，研究网络化猪病诊断智能系统体系架构，实现猪病本体构建与多源猪病信息资源融合、基于Web资源的知识本体获取与知识挖掘、猪病诊断与协同诊断等。系统较好地验证了新型智能系统的面向服务架构、基于web的知识获取、远程协作服务的技术特征，这是传统智能系统难以实现的。