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.

[1]	田永红, 章钧津, 宋哲煜. 结合噪声数据增强的蒙汉伪平行语料库的构造[J]. 计算机工程与科学, 2025, 47(04): 751-760.
[2]	蔡发鹏, 冯骥, 杨德刚, 陈仲尚. 基于自然邻域图划分的层次聚类算法[J]. 计算机工程与科学, 2025, 47(02): 370-380.
[3]	韩晓璇, 周文安, 韩震. 5G-AKA认证机制脆弱性分析与验证[J]. 计算机工程与科学, 2024, 46(12): 2149-2157.
[4]	徐捷, 邵玉斌, 杜庆治, 龙华, 马迪南. 结合混合特征提取与深度学习的长文本语义相似度计算[J]. 计算机工程与科学, 2024, 46(08): 1513-1520.
[5]	荀鹏, 陈红艳, 王勇志, 李世杰. 基于标识密码的内生安全最短路径优先协议[J]. 计算机工程与科学, 2024, 46(06): 1022-1031.
[6]	贾康, 李晓楠, 李冠宇. 一种基于自适应结构感知池化图匹配的图相似度计算模型[J]. 计算机工程与科学, 2023, 45(11): 1999-2007.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.