CN105718591B - 一种基于规则和约束满足的定性空间关系推理方法 - Google Patents
一种基于规则和约束满足的定性空间关系推理方法 Download PDFInfo
- Publication number
- CN105718591B CN105718591B CN201610054648.6A CN201610054648A CN105718591B CN 105718591 B CN105718591 B CN 105718591B CN 201610054648 A CN201610054648 A CN 201610054648A CN 105718591 B CN105718591 B CN 105718591B
- Authority
- CN
- China
- Prior art keywords
- spatial
- relationship
- spatial relationship
- uniquelist
- constraint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Devices For Executing Special Programs (AREA)
Abstract
本发明公开了一种基于规则和约束满足的定性空间关系推理方法,基于规则推理用于推理出对象间的可能空间关系,使用约束满足问题的思想判定可能空间关系间的一致性,利用路径一致性法剔除将产生冲突的结果以保证可能空间关系间的一致性;保留剔除后的可能空间关系,从而实现空间关系的推理。本发明利用基于规则和约束满足的定性空间关系的推理方法可以验证结果间的一致性,避免了推理方法存在的可能缺陷。最重要的是,本发明方法能够保证推理结果间的一致性,与已有方法相比在一定程度上提高了推理的效率。
Description
技术领域
本发明属于空间信息技术领域,特别涉及一种基于规则和约束满足的定性空间关系推理方法。
背景技术
随着定性空间推理在地理信息领域影响越来越重要,定性空间推理为空间分析与地图匹配提供可靠辅助决策的需求越来越急迫。而随着定性空间推理的发展,保证推理结果间的一致性是不同推理方法的一个重大挑战。
由于人们描述的空间信息往往是纯定性的方式,那么利用定性推理可以从这些定性描述的信息中推理出隐含的空间知识,这对空间分析辅助决策和空间信息的查询优化有着重要意义。如基于地理数据集的信息用于空间分析时,可以保证空间决策的可靠性。
定性描述比定量描述更符合人们对知识的认知。例如用定量方式表达空间关系时需要用精确数值,如方向关系用“西30度,北30度”来表达。然而从表达习惯来看,人们往往描述的空间属性不需要这么精确,而使用定性描述可以很好表达相关信息。如用东南方向、北方向等表达方向关系,远、近表达距离关系。
在空间数据库方向,如果数据库中存储的空间关系与对象间的实际关系不一致,那么在地图匹配时,数据库就无法提供正确的拓扑网络元素,可能会导致地图匹配出错,对地图规划和地图重构会产生消极影响。而已有的定性推理方法主要是对推理算法的效率或者是拓扑关系模型做了大量的研究,这些方法不仅耗时而且还无法保证推理结果间的一致性。
发明内容
本发明的目的是提供一种基于规则和约束满足的定性空间关系推理方法,当给定已知条件间约束力较弱时,采用本发明可保证推理可能结果间的一致性。
本发明思路为:
基于规则推理用于推理出对象间的可能空间关系,使用约束满足问题的思想判定可能空间关系间的一致性,利用路径一致性法剔除将产生冲突的结果以保证可能空间关系间的一致性。保留剔除后的可能空间关系,从而实现空间关系的推理。
为达到上述目的,本发明采用如下技术方案:
一种基于规则和约束满足的定性空间关系推理方法,包括:
S1将空间对象的空间关系模型所表达的空间关系及其组合表中信息表示为推理规则,并构建推理规则库,所述的推理规则库进一步包括反推理规则库、确定推理规则库和不确定推理规则库;
S2采用语义描述空间对象间的已知空间关系,已知空间关系构成初始约束集;
S3基于确定推理规则库和初始约束集,利用推理引擎推理空间对象间隐含的确定空间关系;
S4将空间对象间隐含步骤S3推理的确定空间关系加入初始约束集构成第一约束集,基于第一约束集对步骤S3推理得到的确定空间关系进行路径一致性检查,并剔除第一约束集中存在冲突的空间关系;
S5基于不确定推理规则库和经路径一致性检查后的第一约束集,利用推理引擎推理出空间对象间隐含的不确定空间关系;
S6将空间对象间隐含的不确定空间关系加入经路径一致性检查后的第一约束集构成第二约束集,基于第二约束集,对步骤S5推理得到的不确定空间关系进行路径一致性检查,并剔除第二约束集中存在冲突的空间关系,所得第二约束集即最终推理结果。
S1中,采用SWRL语言将空间对象的空间关系模型所表达的空间关系及其组合表中信息表示为推理规则。
步骤S1中,所述的反推理规则采用SWRL语言描述为R(X,Y)→R'(X,Y),即空间对象X和Y间的空间关系R(X,Y)具有可逆性,R'(X,Y)为空间关系R(X,Y)的反空间关系。
步骤S1中,所述的确定规则采用SWRL语言描述为如下:
R1(X,Y)+R2(Y,Z)→R3(X,Z);
即,根据空间对象X和Y间的空间关系R1(X,Y)和空间对象Y和Z间的空间关系R2(Y,Z)可推导出空间对象X和Z间确定的空间关系R3(X,Z)。
步骤S1中,所述的不确定规则采用SWRL语言描述为如下:
R1(X,Y)+R2(Y,Z)→R3(X,Z)|R4(X,Z);
即,根据空间对象X和Y间的空间关系R1(X,Y)和空间对象Y和Z间的空间关系R2(Y,Z)可推导出空间对象X和Z间不确定的空间关系R3(X,Z)、R4(X,Z)。
步骤S2中,采用OWL语言描述描述空间对象间的已知空间关系。
S4中所述的路径一致性检查具体为:
4.1将第一约束集中空间关系表示为二维约束矩阵A={Ai,j|i=1,2,...N;j=1,2,...N},其中,N表示空间对象数,Ai,j表示空间对象i和j间的空间关系;
对二维约束矩阵A各行逐一执行:
4.2记录当前行中表示确定空间关系的元素所在列号j和表示不确定空间关系的元素所在列号j',列号j存储于数组UniqueList,列号j'存储于数组UnList;
4.3构建第一空间关系集{Ai,UnListed(m)|m=1,2,...J'}和第二空间关系集{AUnList(m),UniqueList(n)|m=1,2,...J';n=1,2,...J},i表示当前行号,Ai,UnListed(m)表示二维约束矩阵中当前行第UnListed(m)列的元素,AUnList(m),UniqueList(n)表示二维约束矩阵中第UnList(m)行、第UniqueList(n)列的元素;
4.4对第一空间关系集中各元素逐一执行:
对当前元素Ai,UnListed(m)执行公式(1):
Tag←U(Ai,UniqueList(n)I(Ai,UnListed(m)oAUnList(m),UniqueList(n))) (1)
其中,I表示求并集,U表示布尔函数,o表示复合操作;使AUnList(m),UniqueList(n)指向第二空间关系集中下一元素,重复执行公式(1),直至第二空间关系集中所有元素被遍历;此时,若Tag为假,从二维约束矩阵A中剔除Ai,UnListed(m)。
S6中所述的路径一致性检查具体为:
6.1将第二约束集中确定空间关系表示为二维约束矩阵A={Ai,j|i=1,2,...N;j=1,2,...N},N为空间对象数,Ai,j为空间对象i和j间的空间关系;
对二维约束矩阵A各行逐一执行:
6.2记录当前行中表示确定空间关系的元素所在列号j和表示不确定空间关系的元素所在列号j',列号j存储于数组UniqueList,列号j'存储于数组UnList;
6.3构建第一空间关系集{Ai,UnListed(m)|m=1,2,...J'}和第二空间关系集{AUnList(m),UniqueList(n)|m=1,2,...J';n=1,2,...J},i表示当前行号,Ai,UnListed(m)表示二维约束矩阵中当前行第UnListed(m)列的元素,AUnList(m),UniqueList(n)表示二维约束矩阵中第UnList(m)行、第UniqueList(n)列的元素;
6.4对第一空间关系集中各元素逐一执行:
对当前元素Ai,UnListed(m)执行公式(2):
Tag←U(Ai,UniqueList(n)I(Ai,UnListed(m)oAUnList(m),UniqueList(n))) (2)
其中,I表示求并集,U表示布尔函数,o表示复合操作;使AUnList(m),UniqueList(n)指向第二空间关系集中下一元素,重复执行公式(2),直至第二空间关系集中所有元素被遍历;此时,若Tag为假,从二维约束矩阵A中剔除Ai,UnListed(m)。
和现有技术相比,本发明具有如下优点和有益效果:
本发明使用已有的空间关系模型描述的定性知识作为理论基础,并用SWRL将这些定性知识组织为不同类型的规则;在规则推理的基础上,利用约束满足的思想检查基于规则推理结果的一致性,逐步将产生冲突的推理结果删除,最终保证了推理结果间的一致性。
本发明利用基于规则和约束满足的定性空间关系的推理方法可以验证结果间的一致性,避免了推理方法存在的可能缺陷。最重要的是,本发明方法能够保证推理结果间的一致性,与已有方法相比在一定程度上提高了推理的效率。
附图说明
图1和2均为SWRL描述推理规则的描述图;
图3为路径一致性法的流程图;
图4为本发明的具体流程图。
具体实施方式
一、理论基础
(1)推理规则
规则由标头和主体组成,标头是一个原子公式,主体是一个原子公式序列。若主体内的每一个原子公式都成立,则可以推理出标头所描述事实。基于规则的空间关系推理是指在已有空间关系的基础上使用推理规则获得隐含空间关系的过程。SWRL是以语义方式呈现规则的一种语言,其具有丰富的表示形式,支持嵌入的自定义规则,很大程度方便了知识库的扩展,为推理提供了更加丰富的知识库。利用SWRL描述推理规则,利于将组合表中的信息表达为规则。
(2)约束满足问题
约束满足问题(Constraint Satisfaction Problem,CSP)是人工智能领域的一个研究热点,是由一组变量集和作用在变量上的约束集Θ组成。变量集是指n个变量x1、x2…xn的集合,约束集是指给定的变量所满足的条件的集合,约束满足问题的目的是找到能满足约束集中所有约束的解。约束满足问题的求解,是通过给所有变量赋值,且所有变量的值满足约束集,在这种情况下,则称约束满足问题是一致的,那么这些变量的赋值就是约束满足问题的解。
在约束满足问题中,如果每一个约束都是限制实体间的关系,分配给两个变量的值满足一定的二元关系,那么此类问题被称作二元约束满足问题。二元约束满足问题的求解是通过直接判定路径一致性完成的。路径一致性是通过构建<i,j,k>形式的三元组,并对所有三元组迭代执行式已有路径一致性法中的式(1)所示操作,直至M(i,j)得到固定的值,以消除导致冲突的关系,达到对约束满足问题的求解。
式(1)中,M(i,j)、M(i,k)、M(k,j)分别表示空间对象i和空间对象j、空间对象i和空间对象k、空间对象k和空间对象j间的空间关系;∩表示两个集合的交集;o表示复合操作。
M(i,j)为一已知的空间关系,如果M(i,k)和M(k,j)通过复合操作o得到M(i,j)的空间关系,通过对已知的M(i,j)和复合操作得到的M(i,j)取交集,若交集为唯一的空间关系,那么就判定<i,j,k>三元组构成的路径是一致的;若交集为空,则表明<i,j,k>三元组构成的路径不一致。
二、技术难点
路径一致性法中未知变量的减少和变量搜索范围的缩减是十分重要的。本发明所使用的路径一致性法,减少了变量数并缩减了变量的搜索范围;通过改进路径一致性法中的三元组,提高了搜索效率。
三、实现过程
(1)本发明实现步骤
1.1将空间对象的空间关系模型所表达的空间关系及其组合表中信息表示为推理规则。
本发明采用的空间关系模型为RCC-8模型,利用SWRL语言将RCC-8模型组合表中信息组织为相应的自定义的推理规则,自定义的推理规则包括反推理规则、确定推理规则和不确定推理规则。组合表为空间推理技术领域的公知概念。
SWRL描述推理规则的逻辑形式如下:
例如,存在空间对象X、Y、Z,已知X和Y间的空间关系是R1(X,Y),Y和Z间的空间关系是R2(Y,Z),通过已有的空间知识进行空间分析,从而可推导出X和Z间的空间关系为R3(X,Z)。
使用SWRL描述确定推理规则:R1(X,Y)+R2(Y,Z)→R3(X,Z)。
使用SWRL描述反推理规则:R(X,Y)→R'(X,Y)。
确定推理规则包括反推理规则,根据RCC-8模型组合表所定义的8种反推理规则构建反推理规则库。根据RCC-8模型组合表定义的27种确定推理规则加上8种反推理规则构成确定推理规则库,见图1。R(X,Y)表示空间对象X、Y间的空间关系,空间关系即一种拓扑关系,由于拓扑关系具有可逆性,根据其可逆性定义空间对象X、Y间的反空间关系R'(X,Y)。
不确定规则用SWRL表达逻辑为:R1(X,Y)+R2(Y,Z)→R3(X,Z)|R4(X,Z),R3(X,Z)和R4(X,Z)分别表示空间对象X和Z间的两种不同拓扑关系,符号“|”表示或。已知空间对象X和Y的空间关系为R1(X,Y),空间对象Y和Z的空间关系为R2(Y,Z),可知空间对象X和Z的空间关系可能为R3(X,Z)或R4(X,Z)。
根据RCC-8模型组合表定义的37种不确定推理规则构建不确定规则库,见图2。
1.2采用语义方式描述空间对象间的已知空间关系,已知空间关系构成初始约束集。
本发明采用OWL语言描述约束集,明确表达空间对象间的拓扑关系,并可以与推理规则结合,为基于推理规则的推理提供了丰富的语义信息。
例如,对已知的空间对象D、P、L、T、O,构成的初始约束集包括:空间对象D与P是EC关系(即相邻关系),空间对象D和L也是EC关系;空间对象P和T是PO关系(即相交关系);空间对象P和O是DC关系(即相离关系),空间对象P和L也是DC关系;空间对象T和O是NTPPi关系(即正切包含关系),空间对象T和L也是NTPPi关系,空间对象T和D是EC关系;O和L是DC关系。
1.3基于步骤1.1组织的确定推理规则库和步骤1.2构建的初始约束集进行推理,得到推理结果,即空间对象间隐含的确定空间关系。
结合领域内已有的方法,基于确定推理规则库,利用推理引擎推理出空间对象间隐含的确定空间关系。推理过程中所基于的确定推理规则库是包含反推理规则的。
1.4将步骤1.3获得的推理结果转化为约束满足问题,即将步骤1.3获得的推理结果和初始约束集合并,构成第一约束集,采用路径一致性法对步骤1.3获得的推理结果进行检查,从而减少推理范围,保证基于确定规则的推理结果间的一致性。
第一约束集可能包含拓扑关系较模糊的空间关系,例如,两个空间对象的空间关系为不相交,因此采用路径一致性法,对步骤1.3获得的空间对象间隐含的确定空间关系进行一致性检查,即检查是否存在冲突,并剔除第一约束集中存在冲突的空间关系,从而保证约束集下保证空间对象间空间关系的一致性。
1.5基于步骤1.1组织的不确定推理规则库和经路径一致性检查后的第一约束集进行推理,得到推理结果,即空间对象间隐含的不确定空间关系。
结合领域内已有的方法,本发明基于不确定规则库,利用推理引擎推理出空间对象间隐含的不确定空间关系,完成对所有空间对象间空间关系的推理。
1.6将步骤1.5获得的推理结果转化为约束满足问题,即将步骤1.5获得的空间对象间隐含的不确定空间关系和经路径一致性检查后的第一约束集合并构成第二约束集,采用路径一致性法对步骤1.5获得的推理结果进行检查,并剔除第二约束集中存在冲突的空间关系,保证基于不确定推理规则的推理结果间的一致性,获得最终的推理结果。
本步骤中,根据步骤1.4构建的第一约束集和步骤1.5得到的变量搜索范围,使用路径一致性法缩减搜索范围,将产生冲突的值剔除,在搜索结束后,得到的结果为最终的推理结果。
(2)路径一致性法
为提高搜索效率,避免因变量过多和搜索范围过大而导致的搜索效率下降等问题,本发明还提出了一种改进的路径一致性法。
图3为本发明路径一致性法的具体流程图,包括步骤:
2.1构建大小N×N的二维约束矩阵A={Ai,j|i=1,2,...N;j=1,2,...N},N表示空间对象数,二维约束矩阵的元素Ai,j表示空间对象i和j间的空间关系。
对二维约束矩阵A各行逐一执行:
2.2记录当前行中表示确定空间关系的元素所在列号j和表示不确定空间关系的元素所在列号j',列号j用数组UniqueList存储,列号j'用数组UnList存储。
2.3构建三元组(i,UniqueList(n),UnList(m)),i表示当前行号,UniqueList(n)表示数组UniqueList中存储的第n个值,n=1,2,...J,J表示数组UniqueList中元素数;UnList(m)表示数组UnList中存储的第m个值,m=1,2,...J',J'表示数组UnList中元素数。此三元组中,(i,UnList(m))表示空间对象i和UnList(m)间的空间关系为不确定空间关系,(i,UniqueList(n))表示空间对象i和UniqueList(n)间的空间关系为确定空间关系。
构建第一空间关系集{Ai,UnListed(m)|m=1,2,...J'}和第二空间关系集{AUnList(m),UniqueList(n)|m=1,2,...J';n=1,2,...J},其中,Ai,UnListed(m)表示二维约束矩阵中当前行第UnListed(m)列的元素,即空间对象i和UnListed(m)间的空间关系;AUnList(m),UniqueList(n)表示二维约束矩阵中第UnList(m)行、第UniqueList(n)列的元素,即空间对象UnList(m)和UniqueList(n)间的空间关系。
2.4对第一空间关系集中各元素逐一执行:
对当前元素Ai,UnListed(m)执行公式(2):
Tag←U(Ai,UniqueList(n)I(Ai,UnListed(m)oAUnList(m),UniqueList(n))) (2)
其中,I表示求并集,U表示布尔函数,o表示复合操作。若所求并集非空,则值Tag为True;反之,为False。基于推理规则,Ai,UnListed(m)和AUnList(m),UniqueList(n)复合得到空间对象i和UniqueList(n)间隐含的空间关系,将隐含的空间关系与已知的Ai,UniqueList(n)求并集,并将并集赋值给Tag。Tag为布尔变量,非空集设为真,否则为假。
使AUnList(m),UniqueList(n)指向第二空间关系集中下一元素,重复执行公式(2),直至第二空间关系集中所有元素被遍历;此时,若Tag为假,从二维约束矩阵中剔除Ai,UnListed(m)。
Claims (6)
1.一种基于规则和约束满足的定性空间关系推理方法,其特征是,包括:
S1将空间对象的空间关系模型所表达的空间关系及其组合表中信息表示为推理规则,并构建推理规则库,所述的推理规则库进一步包括反推理规则库、确定推理规则库和不确定推理规则库;
S2采用语义描述空间对象间的已知空间关系,已知空间关系构成初始约束集;
S3基于确定推理规则库和初始约束集,利用推理引擎推理空间对象间隐含的确定空间关系;
S4将空间对象间隐含的确定空间关系加入初始约束集构成第一约束集,基于第一约束集对步骤S3推理得到的确定空间关系进行路径一致性检查,并剔除第一约束集中存在冲突的空间关系;
S5基于不确定推理规则库和经路径一致性检查后的第一约束集,利用推理引擎推理出空间对象间隐含的不确定空间关系;
S6将空间对象间隐含的不确定空间关系加入经路径一致性检查后的第一约束集构成第二约束集,基于第二约束集,对步骤S5推理得到的不确定空间关系进行路径一致性检查,并剔除第二约束集中存在冲突的空间关系,所得第二约束集即最终推理结果;
S4中所述的路径一致性检查具体为:
4.1将第一约束集中空间关系表示为二维约束矩阵A={Ai,j|i=1,2,...N;j=1,2,...N},其中,N表示空间对象数,Ai,j表示空间对象i和j间的空间关系;
对二维约束矩阵A各行逐一执行:
4.2记录当前行中表示确定空间关系的元素所在列号j和表示不确定空间关系的元素所在列号j',列号j存储于数组UniqueList,列号j'存储于数组UnList;
4.3构建第一空间关系集{Ai,UnListed(m)|m=1,2,...J'}和第二空间关系集{AUnList(m),UniqueList(n)|m=1,2,...J';n=1,2,...J},i表示当前行号,Ai,UnListed(m)表示二维约束矩阵中当前行第UnListed(m)列的元素,AUnList(m),UniqueList(n)表示二维约束矩阵中第UnList(m)行、第UniqueList(n)列的元素;J表示数组UniqueList中元素数;J'表示数组UnList中元素数;
4.4对第一空间关系集中各元素逐一执行:
对当前元素Ai,UnListed(m)执行公式(1):
Tag←U(Ai,UniqueList(n)I(Ai,UnListed(m)oAUnList(m),UniqueList(n))) (1)
其中,I表示求并集,U表示布尔函数,o表示复合操作;使AUnList(m),UniqueList(n)指向第二空间关系集中下一元素,重复执行公式(1),直至第二空间关系集中所有元素被遍历;此时,若Tag为假,从二维约束矩阵A中剔除Ai,UnListed(m);
S6中所述的路径一致性检查具体为:
6.1将第二约束集中确定空间关系表示为二维约束矩阵A={Ai,j|i=1,2,...N;j=1,2,...N},N为空间对象数,Ai,j为空间对象i和j间的空间关系;
对二维约束矩阵A各行逐一执行:
6.2记录当前行中表示确定空间关系的元素所在列号j和表示不确定空间关系的元素所在列号j',列号j存储于数组UniqueList,列号j'存储于数组UnList;
6.3构建第一空间关系集{Ai,UnListed(m)|m=1,2,...J'}和第二空间关系集{AUnList(m),UniqueList(n)|m=1,2,...J';n=1,2,...J},i表示当前行号,Ai,UnListed(m)表示二维约束矩阵中当前行第UnListed(m)列的元素,AUnList(m),UniqueList(n)表示二维约束矩阵中第UnList(m)行、第UniqueList(n)列的元素;
6.4对第一空间关系集中各元素逐一执行:
对当前元素Ai,UnListed(m)执行公式(2):
Tag←U(Ai,UniqueList(n)I(Ai,UnListed(m)oAUnList(m),UniqueList(n))) (2)
其中,I表示求并集,U表示布尔函数,o表示复合操作;使AUnList(m),UniqueList(n)指向第二空间关系集中下一元素,重复执行公式(2),直至第二空间关系集中所有元素被遍历;此时,若Tag为假,从二维约束矩阵A中剔除Ai,UnListed(m)。
2.如权利要求1所述的基于规则和约束满足的定性空间关系推理方法,其特征是:
S1中,采用SWRL语言将空间对象的空间关系模型所表达的空间关系及其组合表中信息表示为推理规则。
3.如权利要求1所述的基于规则和约束满足的定性空间关系推理方法,其特征是:
步骤S1中,所述的反推理规则采用SWRL语言描述为R(X,Y)→R'(X,Y),即空间对象X和Y间的空间关系R(X,Y)具有可逆性,R'(X,Y)为空间关系R(X,Y)的反空间关系。
4.如权利要求1所述的基于规则和约束满足的定性空间关系推理方法,其特征是:
步骤S1中,所述的确定规则采用SWRL语言描述为如下:
R1(X,Y)+R2(Y,Z)→R3(X,Z);
即,根据空间对象X和Y间的空间关系R1(X,Y)和空间对象Y和Z间的空间关系R2(Y,Z)可推导出空间对象X和Z间确定的空间关系R3(X,Z)。
5.如权利要求1所述的基于规则和约束满足的定性空间关系推理方法,其特征是:
步骤S1中,所述的不确定规则采用SWRL语言描述为如下:
R1(X,Y)+R2(Y,Z)→R3(X,Z)|R4(X,Z);
即,根据空间对象X和Y间的空间关系R1(X,Y)和空间对象Y和Z间的空间关系R2(Y,Z)可推导出空间对象X和Z间不确定的空间关系R3(X,Z)、R4(X,Z)。
6.如权利要求1所述的基于规则和约束满足的定性空间关系推理方法,其特征是:
步骤S2中,采用OWL语言描述描述空间对象间的已知空间关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610054648.6A CN105718591B (zh) | 2016-01-27 | 2016-01-27 | 一种基于规则和约束满足的定性空间关系推理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610054648.6A CN105718591B (zh) | 2016-01-27 | 2016-01-27 | 一种基于规则和约束满足的定性空间关系推理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105718591A CN105718591A (zh) | 2016-06-29 |
CN105718591B true CN105718591B (zh) | 2019-11-22 |
Family
ID=56154169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610054648.6A Active CN105718591B (zh) | 2016-01-27 | 2016-01-27 | 一种基于规则和约束满足的定性空间关系推理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105718591B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106341276B (zh) * | 2016-11-02 | 2019-10-29 | 中国航空无线电电子研究所 | 一种基于约束满足理论的ima系统配置生成方法 |
CN109684485B (zh) * | 2018-12-25 | 2021-09-28 | 福州大学 | 一种基于swrl的任意规则推理引擎设计方法 |
CN109976152A (zh) * | 2019-02-18 | 2019-07-05 | 杭州电子科技大学 | 一种面向智能控制器的机器学习算法模块配置及自动化组装方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073666B (zh) * | 2009-11-24 | 2012-07-18 | 武汉大学 | 具有动态性的空间信息处理服务组合方法 |
CN102722752A (zh) * | 2012-05-17 | 2012-10-10 | 天津大学 | 基于约束满足框架的空间问题求解方法 |
CN103500208B (zh) * | 2013-09-30 | 2016-08-17 | 中国科学院自动化研究所 | 结合知识库的深层数据处理方法和系统 |
-
2016
- 2016-01-27 CN CN201610054648.6A patent/CN105718591B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105718591A (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maher et al. | CADSYN: A case-based design process model | |
CN101093559B (zh) | 一种基于知识发现的专家系统构造方法 | |
US20240163684A1 (en) | Method and System for Constructing and Analyzing Knowledge Graph of Wireless Communication Network Protocol, and Device and Medium | |
CN110851566B (zh) | 一种应用于命名实体识别的可微分网络结构搜索的方法 | |
CN109543043A (zh) | 一种基于知识图谱推理的电力通信大数据错误的自动监测方法 | |
Balakrishnan | Significance of classification techniques in prediction of learning disabilities | |
CN102945283B (zh) | 一种语义Web服务组合方法 | |
CN105893483A (zh) | 大数据挖掘过程模型总体框架的构造方法 | |
CN109857457B (zh) | 一种在双曲空间中学习源代码中的函数层次嵌入表示方法 | |
CN107451230A (zh) | 一种问答方法以及问答系统 | |
CN105718591B (zh) | 一种基于规则和约束满足的定性空间关系推理方法 | |
CN111709244A (zh) | 一种用于矛盾纠纷事件因果关系识别的深度学习方法 | |
CN113780002A (zh) | 基于图表示学习和深度强化学习的知识推理方法及装置 | |
CN115114421A (zh) | 一种问答模型训练方法 | |
US20190146981A1 (en) | Large scale social graph segmentation | |
Lugaresi et al. | Generation and tuning of discrete event simulation models for manufacturing applications | |
CN107870949A (zh) | 数据分析作业依赖关系生成方法和系统 | |
Krleža et al. | Graph matching using hierarchical fuzzy graph neural networks | |
CN110909881A (zh) | 一种面向跨媒体知识推理任务的知识表示方法 | |
CN117036060A (zh) | 车险欺诈识别方法、装置和存储介质 | |
CN117010373A (zh) | 一种电力设备资产管理数据所属类别和组的推荐方法 | |
CN111275079A (zh) | 基于图神经网络的众包标签推测方法及系统 | |
CN105761152A (zh) | 社交网络中一种基于三元组的参与话题预测方法 | |
CN113610194B (zh) | 一种数字档案自动分类方法 | |
CN115827885A (zh) | 一种运维知识图谱的构建方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |