在知识表示和推理中,如何描述与处理否定知识是信息科学的基本问题。本文以第一章和第二章为背景。其中,第一章介绍了否定知识的研究现状;第二章从概念本质上区分知识的矛盾否定与对立否定,介绍了知识之间的五种否定关系CDC、CFC、ODC、OFC和MOM,及其基于中介逻辑系统及其无穷值语义模型的形式化描述。在此基础之上,文章着重考察了在描述逻辑、程序的回答集语义以及近似推理分析中否定知识的规律与性质的描述和处理。本文于第三章具体阐述了对描述逻辑的研究。经典描述逻辑作为一阶谓词逻辑的可判定子集,并不能正确表达清晰知识间的否定关系。作为模糊逻辑子类的模糊描述逻辑亦不具备完整描述模糊知识之间否定关系的能力。本文将构造算子╕(对立否定)和～(模糊否定词)引入经典描述逻辑ALC,建立了保持中介逻辑无穷值语义的中介描述逻辑系统MALC。这样的MALC完整的描述了知识之间的否定关系。在推理机制上,本文还介绍了MALC模糊蕴涵推理,并给出了相应的tableau算法。第四章具体阐述了对程序回答集语义的研究。由于经典回答集语义与模糊回答集语义并不能完整地赋予程序中的经典否定和否定“negation as failure”以语义,本文认为逻辑程序中的经典否定“?”的实质是中介逻辑中的对立否定“╕”,而否定“negation as failure”则应解释为中介逻辑的矛盾否定“?”,因此将经典回答集与中介逻辑相结合,提出一种基于中介逻辑的以寻找部分满足程序的回答集为目的的回答集语义。具体地以中介逻辑无穷值语义模型为基础,提出对文字及其否定的解释,并提出函数CI、Sr和SΠ,分别用于分别度量解释的一致性程度,以及解释满足规则和程序的程度。在此基础之上,文章定义了基于中介逻辑的回答集。第五章具体阐述了近似推理的研究。基于中介逻辑及其无穷值语义模型,对于模糊知识,文章扩展了近似推理的CRI算法,同时给出了语义匹配度的度量,包括语义距离和相似度,进而提出了基于语义匹配度度量的近似推理方法。