基于粗糙集的不确定知识表示方法

1 引言知识表示是人工智能(AI)研究中最关键的分支之一。传统的知识表示模型(如AQ11,ID3等),对知识描述是确定的、清晰的,即:被描述的对象具有或不具有某种属性是明确的。然而,在现实世界中,人们常常面对的是在领域信息不完整、不确定、不精确的前提下,完成对事物的认识、分析、推理、判断、预测和决策。这种智能行为往往要求人们对未知的信息进行估计、推测;对不完整数据进行分析、处理;

门时滞故障的可测性分析

测试问题日益成为VLSI发展中的瓶颈问题,为了减少测试的困难,人们普遍接受的途径是在设计过程中就考虑电路的可测性,即采用可测性设计(DesLgn fo:Testab;lity)方法以减低测试成本。在可测性设计过程中可测性分析是极其重要的一环,所谓可测性是一种定量的测度,表示系统测试难易或测试性价比合理的程度。通过可测性分析人们可以找出电路中较难测试的区域,以便修改设计。