语义Web是当前Web的扩展,它赋予Web资源信息机器可理解的语义,从而便于人和计算机之间的交互与协作。为了让机器能够理解Web资源信息并做推理,需要建立本体,并利用本体语言来表示语义Web中的知识和语义。目前,面向语义Web的本体语言主要有OIL, DAML+OIL和OWL等。为了使语义Web具备可推理的性质,上述本体语言都以描述逻辑作为逻辑基础。由于很多语义Web应用需要处理大量的模糊知识,而现有描述逻辑及OWL语言不能直接用于模糊知识的表示和推理,因而近年来国内外大量的研究工作致力于描述逻辑及OWL的模糊扩展。然而,通过分析国内外在描述逻辑模糊扩展、描述逻辑推理机实现以及OWL模糊扩展等方面的研究现状发现,现有描述逻辑以及OWL语言的模糊扩展无法表示含有自定义模糊数据类型及自定义模糊数据类型谓词的模糊数据信息,而这类复杂模糊数据类型信息在很多数据和知识密集型实际应用中发挥着关键的作用。为此,本文对支持自定义模糊数据类型及谓词表示的模糊描述逻辑、相应的推理机以及相应的模糊OWL扩展语言展开了深入的研究。具体研究内容包括以下几个方面：(1)首先,通过与XML Schema的派生数据类型机制及其模糊扩展形式的类比,指出OWL语言及作为其逻辑基础的描述逻辑在模糊数据类型表示方面存在的不足和局限性；然后,从描述逻辑的角度给出了模糊数据类型域G的定义,在此基础上给出了模糊数据类型表达式的语法形式及语义解释,进而定义了模糊数据类型查询及其可满足性的概念,同时还进一步研究了如何对模糊数据类型域的表达能力进行限制以保证其可判定性；最后,讨论了基于一致性模糊数据类型域的模糊数据类型表达式联合查询的可判定性问题。(2)在描述逻辑F-ALC的基础上,扩展模糊数据类型域G,提出了一种新的模糊描述逻辑F-ALC(G)。首先,定义了F-ALC(G)的语法、语义以及知识库的组成；其次,定义了关于F-ALC(G) ABox的模糊推演表,进而给出了基于模糊推演表的F-ALC(G) ABox的一致性判定算法,将经典描述逻辑中的推理结构(该结构将基于推演表的扩展规则推理和数据类型推理相分离)加以扩展,使之适用于F-ALC(G)的推理问题,并设计了相应的模糊数据类型推理机,同时,给出了由F-ALC(G)的其它推理问题到ABox一致性判定问题的转化过程；最后,证明了F-ALC(G) ABox的一致性判定算法的可终止性,进而证明了算法的可靠性、完备性,分析了其复杂度,并对推理算法进行了优化,使得算法优化后的平均执行复杂度趋向于多项式空间。(3)基于提出的模糊描述逻辑F-ALC(G),设计并实现了一款模糊描述逻辑推理机——FRESG1.0。简要介绍了FRESG1.0的主要推理功能以及所使用的编程语言；详细描述了FRESG1.0的总体结构及其主要组成部分的设计与实现,其中着重阐述了FRESG1.0推理机的特色和设计实现过程中所采用的算法、实现技术；最后,给出了测试案例,并分析了FRESG1.0推理机的表达能力和性能。(4)由于F-ALC(G)在表达能力方面尚不足以作为模糊扩展OWL的逻辑基础,提出了一种表达能力更强的模糊描述逻辑F-SHOIN(G).首先定义了F-SHOIN(G)的语法、语义及相应的知识库,并深入研究了F-SHOIN(G)概念的可满足性判定算法,进而证明了算法的可终止性、可靠性以及完备性等。在讨论过程中,相对于模糊描述逻辑F-ALC(G),重点研究了由于引入新的模糊构造子(如角色传递S、角色逆I等)所产生的对于模糊数据类型推理的新变化。最后,通过对两种具有代表性的模糊描述逻辑F-ALC(G)、F-SHOIN(G)的分析,归纳出具有普遍意义的G-扩展模糊描述逻辑,研究其定义以及推理算法的构成、推理结构等。(5)基于模糊描述逻辑F-SHOIN(G),并结合RDF/XML的语法规范,重新编码OWL DL类描述、公理和事实,用来表示模糊本体中的模糊抽象知识和模糊数据类型信息,形成f-OWL。同时提出了从OWL到f-OWL的转换规则,统一了模糊本体中精确和模糊知识的表示方法,实现了f-OWL对OWL DL的兼容。最后,给出了从f-OWL本体到F-SHOIN(G)描述逻辑的转换方法,从而最终将f-OWL的推理问题转化为F-SHOIN(G)的概念可满足性判定问题进行解决。