农业专家系统中的数据挖掘及应用.pdfVIP

)1112 第12卷 增刊 模式识别与人工智能 Supp| 1999年lO月 豫＆AI Oct 1999 农业专家系统中的数据挖掘及其应用卜 邢平平 施鹏飞 (上海变犬图像妊理与模式识别研究所上海200030) 摘 要 本文i,-Ji仑T数据挖掘与专家系统的相互关系，提出了一种基于数据挖掘的抽象模型，该攀型与领 域知识檑结台，具有良好的人机交互性．文中还描述了一种基于该模型的实倒．以粗糙集理论作为数 据挖掘的框架． 关键谪教据挖掘．专家燕统，租糙集理论 中圈法分类号m11．52 1引言 农业生产周期长，涉及到的因素较多．且变化大，是一个复杂的大系统。特别是针对我国 农业生产者的素质普遍较低的国情，大力研究发展农业专家系统是我国发展现代农业的一种重 要途径。 知识获取是建造知识库的核心问题．也是建造专家系统的“瓶颈”问题。知识获取过程就是 从某些知识源(数据)中提炼出求解问题的知识(或规则)的过程，并转化为计算机程序。能否 有效地获取知识是专家系统成败的关键，它是决定一个专家系统性能是否优越的主要因素。 近些年来，数据库中的知识发现(KDD)研究迅速，在许多领域中已取得可喜的成就。KDD 是从数据集中识别出有效的、新颖的、潜在有用的以及最终可理解模式的高级处理过程【l】．数 据挖掘(DamMini皤，简称DM)是KDD的一个十分重要的步骤，印以最好的方式从数据中 发现模式的算法．一般，知识发现侧重于工程研究，数据挖掘侧重于算法研究。 本课题研究主要是探索如何利用数据挖掘技术改善专家系统研究建造过程中的知识获取“瓶 颈”问题。 2基于数据挖掘的专家系统抽象模型 基于数据挖掘的专家系统由以下部分构 成；人机界面、推理机、数据库、知识库、数 据挖掘模块等(如翟1)． 知识库(KnowIedgeBase)：又称规则库， 它以规则的形式存放着利用数据挖掘工具从数据 库中发现的知识和领域专家提供的领域知识。 数据库(Dam Base)：存放某～领域内的 原始数据(如土壤、植物生长状态等实验数据) 图1基于数据挖掘的专家系统抽象模型 ‘收稿日期：IgOr08—24 邢平平罅：农业专家系统中的数据挖掘及其应用 的“场所”． 推理机(Inference Engine)：根据输入，决定如何选用知识库中的有关知识，进行推理， 得出恰当的结论、建议或决策，供用户参考。 人机界蔼(Man-machine 转化为系统内规范化的表示形式，和将内部信息转化称用户易于理解的外部表示形式显示给用户。 数据挖掘(Data Mining)模块：这是本系统的核心，主要从数据库利用各种数据挖掘技术． 如机器学习、神经网络、概率统计、关联规则、粗糙集理论等，从数据库中发现知识(规则)， 送入知识库：同时也负责知识库中知识的修改、删除和更改，并对知识库的一致性进行维护。 数据挖掘的过程就是从数据库中提取规则的一个过程。 3基于数据挖掘的专家系统 数据挖掘的算法，包括分类、回归、聚类、归纳等，其中粗糙集方法是非常有效的，因为 这类方法不需要关于数据的任何先验或附加的信息，如统计学中的概率分布、模糊集理论中的 隶属度或隶属函数等，而是直接从给定问题的数据集出发，通过不可分辨关系，找出问题中的 内在规律。利用粗糙集方法可以有效改善专家系统建造中的知识获取“瓶颈”问题。 3．’辊糙集(Roughsects)理论 租糙集理论是建立在分类机制的基础之上的。它将分类理解为等价关系，而这些等价关系 将对特定空间划分。粗糙集理论将等价关系对空间的划分与知识等同·即将知识理解为对数据 的划分。这样，知识可以定义为：绘定一组数据u与等价关系集合R，在等价关系集台R下对 数据集合u的