支持数量约束的扩展模糊描述逻辑复杂性研究

扩展模糊描述逻辑EFALCN(extendedfuzzyattributiveconceptdescriptionlanguagewithcomplementsandunqualifiednumberrestriction)是支持数量约束的描述逻辑ALCN的模糊扩展,但该逻辑的推理问题缺乏相应的算法和复杂性证明.提出EFALCN推理问题基于约束传播的Tableau算法,并证明该算法可在PSPACE(polynomialspace)约束下执行.由ALCN(attributiveconceptdescriptionlanguagewithcomplementsandunqualifiednumberrestriction)的推理问题可多项式时间归约到EFALCN推理问题,且ALCN的推理问题是PSPACE-complete问题.所以,EFALCN推理问题是PSPACE-hard问题.综上所述,EFALCN推理问题是PSPACE-complete问题.

支持术语公理约束的扩展模糊描述逻辑推理

扩展模糊描述逻辑是对描述逻辑的一种模糊扩展,支持对复杂模糊知识的表示和推理,但该逻辑缺乏支持术语公理约束的推理算法.提出扩展模糊描述逻辑EFALCR+(extended fuzzy attributive concept description language with complements and transitive roles)的受限TBox(terminological box)描述术语公理,给出受限TBox约束下的EFALCR+推理算法,并对该算法进行优化,证明优化后的算法是正确完备的,时间复杂性不超过指数,最后证明受限TBox约束下的EFALCR+推理问题是指数时间完全问题.优化算法的最坏时间复杂性已达到该问题推理算法的复杂度下界,是实现术语公理约束下模糊知识库推理的有效算法.

支持模糊隶属度比较的扩展模糊描述逻辑

语义Web模糊知识的表示和应用常常涉及模糊隶属度比较,但现有描述逻辑的模糊扩展缺乏描述模糊隶属度比较的能力.提出支持模糊隶属度比较和描述逻辑ALCN(attributive concept description language with complements and number restriction)概念构造子的扩展模糊描述逻辑FCALCN(fuzzy comparable ALCN).FCALCN引入新的原子概念形式以支持模糊隶属度比较.给出FCALCN的推理算法,证明了在空TBox约束下FCALCN的推理问题复杂性是多项式空间完全的.FCALCN能够表达语义Web上涉及模糊隶属度比较的复杂模糊知识并实现对它们的推理.

一种基于类型约束的泛型Java程序重构方法

泛化关系重构是一类非常重要的重构方法，能否实施这类重构取决于程序中的类型约束．本文针对现有泛化关系重构方法在处理泛型程序时不考虑参数化类型的约束，会破坏程序类型正确性的问题，提出了一组泛型Java程序的类型约束规则，通过构造类型约束图分析了重构前后程序的类型约束，并给出了提炼接口和成员上移的自动化重构算法，可以在与程序代码规模成线性关系的时间内实施重构，并有效地保证程序的类型正确性．

WWW缓冲挖掘中基于粗糙集的用户模糊兴趣建模

如何有效充分地利用WWW缓冲中的信息,其关键是建立一个合适的用户兴趣模型和构造合适的兴趣挖掘算法。用户的兴趣是一个相对模糊的概念,简单兴趣模型通过(词条,权重)来刻画兴趣,但是它的表示粒度太小,不能贴切地描述用户的兴趣。文中在充分分析WWW缓冲模型的基础上提出了基于粗糙集的用户模糊兴趣概念。利用该方法可以对WWW缓冲中的网页文档和文档集合进行统一建模,这为利用用户历史兴趣信息和进行兴趣匹配提供了便利。

补充生成测试用例的优先级设定与动态调整算法

测试用例优先级技术是一种实用高效的回归测试技术,然而现有各种优先级技术均围绕待复用的测试用例集,忽视了对补充生成测试用例的优先级设定和调整方法的讨论.针对这一问题,在现有研究基础上提出一种面向补充生成测试用例优先级的设定与动态调整方法,讨论这种方法在并行环境下的应用问题,最后通过一个实例研究表明:新方法能够有效地提高补充生成测试用例的使用效率.