论文部分内容阅读
语义网最初被认为是现在万维网的一个延伸,它可以帮助计算机理解网络中的信息,从而可以支持更加复杂的发现、数据整合、导航以及任务的自动分配。语义网背后最主要的思想就是给网页上添加可以使机器理解的含义,通过使用本体技术为网络资源的共享术语定义精确的含义,利用知识表示技术来进行网络资源的自动推理,并且使用协作代理技术来处理网络上的信息。不确定描述逻辑知识库扩展了传统的描述逻辑知识库,特别是引入了关于概念和角色的不确定知识,同时也引入了关于概念和角色个体的不确定知识。前者是关于随机选到的概念和角色实例的不确定知识,后者是关于离散的概念和角色实例的不确定知识。实际应用迫切需要处理本体中的不确定知识,特别是在医药、生物、天文学等领域,不确定描述逻辑知识可以比较好的运用在这些领域。在不确定描述逻辑关键性问题中,有一大类问题是关于求解公理的概率上限和下限,其实质是一个求极值问题,考虑到今后发展的趋势,这种极值问题很有可能会随着不确定描述逻辑的深入研究,发展成为非线性多维度极值问题。因而,本文在蚁群算法的基础上,基于不确定描述逻辑领域的特征,提出了一种基于语义信息的蚁群算法,进而将其应用于求解上述的极值问题,并讨论其关键性参数的取值,最后,通过一个医学本体案例,验证了本文提出的基于语义信息的蚁群算法的有效性。