应用带标识的模糊Petri网的模糊推理

J4 ›› 2012, Vol. 34 ›› Issue (3): 152-157.

应用带标识的模糊Petri网的模糊推理

孙晓玲，王宁，梁艳

(合肥师范学院数学系，安徽合肥 230601)

收稿日期:2011-01-22 修回日期:2011-05-21 出版日期:2012-03-26 发布日期:2012-03-25
基金资助:
安徽省高等学校省级自然科学研究项目(KJ2009B148Z,KJ2012Z322);安徽省高等学校优秀青年人才基金项目(2009SQRZ157,2009SQRZ156)

Fuzzy Reasoning by Using Marked Fuzzy Petri Nets

SUN Xiaoling,WANG Ning,LIANG Yan

(Department of Mathematics,Hefei Normal University,Hefei 230601,China)

Received:2011-01-22 Revised:2011-05-21 Online:2012-03-26 Published:2012-03-25

摘要/Abstract

摘要：

本文针对模糊推理中常存在推理结果意义不明确的问题，提出应用带标识的模糊Petri网(MFPNs)进行模糊推理。推理的过程中考虑模糊产生式规则的权值、阈值、确定性因子等几种知识表示参数以获得更多信息。给出基于相似性测度的模糊推理算法，通过计算带标识的模糊Petri网的最终输出库所中的托肯值可以得到最终的模糊推理结果。通过实例可以验证这样得到的推理结果意义更明确，计算过程更加高效。

关键词: 模糊Petri网, 模糊推理, 标识, 相似度, 加权模糊产生式规则

Abstract:

Aiming at the problem that the use of fuzzy Petri nets to make fuzzy reasoning is usually unclear in fuzzy reasoning, a marked fuzzy Petri net(MFPN) is presented to carry out fuzzy reasoning. Several knowledge representation parameters: weight, certainty factor and threshold value, etc, are considered during fuzzy reasoning to obtain more information. A reasoning algorithm based on similarity measures is proposed. The deduced consequence can be calculated according to computing the token value in the final output place. Through the verification of production examples, the meaning of the deduced consequence is clearer and the calculation process is more efficient.

Key words: fuzzy Petri net;fuzzy reasoning;mark;similarity measure;weighted fuzzy production rules

孙晓玲，王宁，梁艳. 应用带标识的模糊Petri网的模糊推理[J]. J4, 2012, 34(3): 152-157.

SUN Xiaoling,WANG Ning,LIANG Yan. Fuzzy Reasoning by Using Marked Fuzzy Petri Nets[J]. J4, 2012, 34(3): 152-157.

参考文献［16］

［1］	李季,朱小勇.模糊Petri网及其在Web服务信任评估中的应用［J］ .计算机应用研究, 2010, 27(2):573576.
［2］	刘心,印桂生,张磊.一种面向对象模糊Petri网建模方法的研究［J］.计算机应用研究, 2009,26(11):40604062.
［3］	刘心,印桂生,张磊.一种自适应模糊Petri网及其应用［J］ . 计算机应用研究, 2009,26(10):38013803.
［4］	徐欢,李孝忠.一种基于模糊Petri网的并行推理方法［J］.系统仿真学报, 2007(S1):108109.
［5］	Burcin BK, Yazici A. A Fuzzy Petri Net Model for Intelligent Databases［J］. Data & Knowledge Engineering, 2007,62(2):219247.
［6］	潘俊任,裴道武.基于模糊Petri网的模糊推理算法［J］.浙江理工大学学报, 2009,26(6):874879.
［7］	申宇皓,孟晨,傅振华,等.加权模糊Petri网的推理算法研究［J］. 军械工程学院学报, 2008,20(3):5962.
［8］	杨劲松,凌培亮.一种模糊Petri网的逆向知识推理方法设计实现［J］.计算机科学, 2009,36(12):158 160.
［9］	潘洪军,孙吉贵,亓常松.层次化模糊Petri网:形式化定义和推理［J］.吉林大学学报(工学版), 2007,37(1):111116.
［10］	刁永锋,陈星.基于模糊Petri网的三值产生式知识表示及推理［J］.模式识别与人工智能,2005, 18(3):340344.
［11］	罗旭,乐晓波,周丽娟.一种模糊Petri网参数优化的有效算法［J］.计算机工程与应用,2010, 46(25):4043.
［12］	孙晓玲,王宁.基于扩展的带标识的Petri网的加权模糊推理［J］.计算机仿真,2009,26(6):175178.
［13］	孙晓玲,王宁.应用带标识的模糊Petri网的知识表示方法［J］.计算机工程与应用,2010,46(6):4851.
［14］	袁杰,史海波,刘昶,等.基于模糊统计的模糊Petri网token确定方法［J］.山东大学学报(理学版),2008,43(3):3033.
［15］	哈明虎,李海军.两种改进的相似度及模糊推理方法［J］.计算机工程与应用, 2005, 41(35):3141.
［16］	李红明,秦贵和,郝勃,等.模糊匹配中的匹配度计算方法［J］.计算机工程,2010,36(6):184185.

[1]	钟昊, 陈卫东. 一般图中的最小概要表示集问题[J]. 计算机工程与科学, 2023, 45(01): 113-118.
[2]	何涛, 施慧莉, 李大亮. 基于深度学习的SAR目标识别DSP设计[J]. 计算机工程与科学, 2022, 44(08): 1357-1363.
[3]	袁野, 廖薇. 基于多重相关信息交互的文本相似度计算方法[J]. 计算机工程与科学, 2022, 44(07): 1313-1320.
[4]	霍爱清, 李易. 地面箭头标识线检测的改进M2Det算法[J]. 计算机工程与科学, 2022, 44(06): 1090-1096.
[5]	陈健鹏, 陈剑, 佘祥荣, 水新莹, 陈刚. 混合神经网络模型与注意力机制的地址匹配算法[J]. 计算机工程与科学, 2022, 44(05): 901-909.
[6]	徐景秀, 张青. 改进小波软阈值函数在图像去噪中的研究应用[J]. 计算机工程与科学, 2022, 44(01): 92-101.
[7]	王信, 刘晓燕, 张开琦, 王星, 严馨. 基于变更事件驱动的微服务组合平台设计与实现[J]. 计算机工程与科学, 2021, 43(10): 1781-1788.
[8]	马慧芳, 胡东林, 刘宇航, 李志欣. 融合作者合作强度与研究兴趣的合作者推荐[J]. 计算机工程与科学, 2021, 43(10): 1864-1872.
[9]	杨德志, 柯显信, 余其超, 杨帮华. 基于RCNN的问题相似度计算方法[J]. 计算机工程与科学, 2021, 43(06): 1076-1080.
[10]	李晓红, 王闪闪, 马堉银, 马慧芳. 融合相似度图和随机游走模型的多标签短文本分类算法[J]. 计算机工程与科学, 2021, 43(06): 1081-1087.
[11]	刘亚波, 吴秋轩. 基于长短时记忆网络的电商大数据同一性标定[J]. 计算机工程与科学, 2021, 43(03): 407-415.
[12]	邓翔宇, 张屹南, 杨雅涵. 一种用于交通标识分类的形状识别算法[J]. 计算机工程与科学, 2021, 43(02): 322-328.
[13]	肖继海, 崔晓红, 陈俊杰. 节点属性和拓扑信息相结合的脑网络聚类模型[J]. 计算机工程与科学, 2020, 42(11): 2088-2095.
[14]	吴晓崇, 段跃兴, 张月琴, 闫雄. 基于CNN和深层语义匹配的中文实体链接模型[J]. 计算机工程与科学, 2020, 42(08): 1514-1520.
[15]	郭竞知, 刘玮, 徐龙龙, 陈灯 . Agent能力承诺协作的自适应图规划协议生成算法[J]. 计算机工程与科学, 2020, 42(07): 1208-1214.