基于Rough逻辑粒的不确定上下文推理

吕方苏，饶文碧，徐铁城

(武汉理工大学计算机科学与技术学院，湖北武汉430070)

上下文感知计算［1］是普适计算［2］的核心技术。其上层应用和服务需要利用各传感器所得数据融合出来的高层上下文信息。然而受传感器物理特性限制及环境动态性变化的影响，底层上下文信息常常是不精确、不完备的，从而给上下文的推理带来很大困难。目前对于这类问题的推理方法主要有多值逻辑、概率逻辑、模糊逻辑和贝叶斯网络等。李蕊［3］等利用上下文之间的层次关系提出了一种基于贝叶斯网络的上下文关系的学习算法;GU［4］等利用贝叶斯网络对不确定性进行了推理;马守明［5］等提出了一种基于集对分析的不确定上下文推理方法;易建康［6］对觉察上下文计算的软件支撑环境进行了全面分析和研究。以上各种方法都有其特定的优势，也都存在局限性，比如贝叶斯方法不善于处理模糊信息，集对分析对不完备上下文信息无法处理。因此，需要对不确定上下文的推理进行更加深入的研究。粒计算［7］是研究基于多层次粒结构的思维方式、问题求解方法、信息处理模式及其相关理论、技术和工具的学科。笔者采用 Rough逻辑(rough logic，RL)诱导的粒对不确定上下文信息进行推理，其基本思想是通过对RL公式进行4个层次的粒划分，将每个公式的取值映射到［0，1］区间，完成对不确定上下文信息的推理。

1 Rough逻辑

1.1 RL公式的定义

RL是在信息系统IS=(U，A)上的逻辑。其中原子公式是形如a=v或缩写成av的式子，它被解释为a(x)=v，a∈A为IS上的属性，x∈U为对象，v为属性值。……