摘要：Markov逻辑网(MLN)是一种重要的统计关系模型,目前其学习问题主要采用确定性的优化方法,所求的解不够简洁、易陷入局部极值.针对这些问题,本文定义谓词模板、子句模板以缩小搜索空间,提出一种采用子句模板编码的遗传算法来学习MLN结构,并用粒子群算法学习MLN的权参数.文中设计了适应度函数和相应的遗传算子,保证算法不断向好的逻辑子句结构进化.理论分析与实验结果都表明本文的算法可以学习到较优解.

摘要：文中给出了多关系学习的产生、实质以及任务,指出多关系学习具有狭义和广义两个层面。对粗集和多关系学习给出了简单综述,表明粗集理论在多关系学习中占有重要地位。分析研究了粗集和归纳逻辑程序设计方法用于多关系学习的几种结合途径,尤其重点介绍了RSILP系列模型,并在文中给出其一般模型。文中对用于多关系学习中其它粗集方法也作了简单介绍。RSILP模型的完善扩展以及粗集方法在多关系学习中的进一步应用是今后的工作方向。

摘要：针对C++程序设计中与指针相关的若干问题进行了分析,并结合实例给出了解决方案。