第二章 基于规则的专家系统
2.1 知识
关于对象在理论和实践方面的理解,是目前所知知识的总结
2.2 规则
2.3 结构
2.4 基本特征
2.5 推理技术
向前链接:是收集信息然后利用信息进行推理的技术
Rule1:Y&D------>Z
Rule2:X&B&E------>Y
Rule3:A------>X
Rule4:C------>L
Rule5:L&M------>N
向后链接:目标的驱动推理
2.6 参与者
2.7 冲突的解决方案
(1)达到目标就停止规则
(2)优先级
(3)最长匹配规则
(4)最近录入数据库规则
2.8 优缺点
优点:(1)自然的知识表达方法
(2)统一的结构
(3)知识与其处理能力相分离
(4)可以处理不完整或者不确定的知识
缺点:(1)规则间的关系不透明
(2)搜索策略效率低
(3)不能自学习
第三章 基于规则的专家系统的不确定管理
3.1 不确定
不确定性:就是缺乏可以使我们的出完全可靠结论的精确知识
来源:脆弱的暗示、不精确的语言、数据的缺失、综合不同专家
的意见
3.2 贝叶斯规则
使用贝叶斯方法,必须满足证据有条件的独立,可靠的数据统计,
每个假设的先验概率。用于矿产勘探的专家系统 PROSPECTOR 是第
一个成功运用证据的贝叶斯规则
3.3 确定因子:贝叶斯方法最常见的代替方法
3.4 比较
概率论是处理不精确知识和随机数据的最早和最好的技术
贝叶斯主要用于天气预报和计划
确定因子用在诊断领域
共同:要求找能够量化的主观的和定性的信息的专家
第四章 模糊专家系统
4.1 概述
4.2 模糊集
4.3 语言描述
4.5 推理
(1)步骤:a、输入变量模糊化 b、评估规则 c、聚合规则的输出 d、
规则的输出及逆模糊化
(2)两种技术
Mamdani:用模糊规则获取专家知识,但计算量很大
Sugeno:改善了计算效率,优化及自适应技术协同作用,在动态非线
性系统中适用