第二章不确定知识表示及推理与专家系统.ppt

人工智能 华中科技大学水电与数字化工程学院 推理机的性能与构造一般与知识的表示方法有关，但与知识的内容无关，这有利用保证推理机与知识库的独立性，提高专家系统的灵活性。 控制策略主要指推理方向的控制及推理规则的选择策略。推理有正向推理、反向推理和正反向混合推理。推理策略一般还与搜索策略有关。 ④知识获取机制 是专家系统中把问题求解的各种专门知识从人类专家的头脑中或其他知识源那里转换到知识库中来的一个重要机构。 传统的知识获取方法是手工的，也就是通过计算机专家与领域专家繁琐而深入的交谈获得的。这样的计算机专家称为知识工程师。 知识库中的知识便是由知识工程师把挖掘来的专家知识按规定的知识表示形式加工并输入到计算机的。 现在一般使用半自动知识获取方法，出现了若干具有一定知识编辑能力和知识库求精能力的知识工程语言和知识获取工具。 由R4： CF(E1) =CF(E1,E4?(E5?E6))?max{0,CF(E4?(E5?E6) ) =0.7?max{0,min{CF(E4),CF(E5? E6)}} =0.7?max{0,min{CF(E4),max{CF(E5),CF(E6) }}} =0.7?max{0,min{CF(E4), max{0.6,0.7}} } =0.7?max{0,min{CF(E4), 0.7} } =0.7? max{0,min{0.5, 0.7} } =0.7? max{0,0.5 }=0.7? 0.5=0.35 由R5： CF(E3) =CF(E3, E7?E8)?max{0,CF(E7?E8) } =0.9?max{0, min{CF(E7),CF(E8) } } =0.9?max{0, min{0.6,0.9 } } =0.9?max{0, 0.6 }=0.9?0.6=0.54 由R1： 将R1和R2两条知识合成： CF1,2(H) =CF1(H)+CF2(H) - CF1(H) ? CF2(H) =0.28+0.48-0.28?0.48=0.6256 CF1(H) =CF(H,E1)?max{0,CF(E1) } =0.8?max{0,0.35}=0.8?0.35=0.28 由R2： CF2(H) =CF(H,E2)?max{0,CF(E2) } =0.6?max{0,0.8}=0.6?0.8=0.48 由R3： CF3(H) =CF(H,E3)?max{0,CF(E3 ) } = -0.5?max{0,0.54}=-0.5?0.54=-0.27 将CF1,2(H)和CF3(H)合成 规则可信度为： 2、多条知识下，更新法求结论可信度举例 证据可信度为：CF(A)=CF(B)=CF(C)=CF(D)=0.5 X,Y的初始可信度为：CF0(X)=0.1,CF0(Y)=0.2 要求用MYCIN的方法计算： 结论X的可信度CF(X) 结论Y的可信度CF(Y) R1：A?X CF(X,A)=0.8 R2：B?X CF(X,B)=0.6 R3：C?X CF(X,C)=0.4 R4：X?D?Y CF(Y, X?D)=0.3 举例3 解：考虑X,Y具有初始可信度，故用更新法计算结论可信度。 先计算X的可信度更新值： CF(A)=CF(B)=CF(C)=CF(D)=0.51 由R1： CF(X | A) ＝CF0(X)+CF(X,A)?CF(A)-CF0(X)?CF(X,A)?CF(A) =0.1+0.8?0.5-0.1?0.8?0.5=0.46 由R2： CF(X | AB) = CF(X|A)+CF(X,B)?CF(B)-CF(X|A)?CF(X,B)?CF(B) =0.46+0.6?0.5-0.46?0.6?0.5=0.622 由R3： CF(X | ABC) =CF(X| AB) +CF(X,C)?CF(C)－CF(X |AB)?CF(X,C)?CF(C) =0.622+0.4?0.5-0.622?0.4?0.5=0.698 则CF(X)=0.698 CF(X?D)= min{CF(X),CF(D) } = min{0.698,0.5 }=0.5 由R4： CF(Y | D) =CF0(Y)+CF(Y, X?D)?CF(D)－CF0(Y)?CF(Y, X?D)?CF(X?D) =0.2+0.3?0.5-0.2?0.3?0.5=0.32 则CF(Y)=0.32 R1：IF A1 THEN B1 CF(B1,A1)=0.8 R2：IF A2 THEN B1 CF(B1,A2)=0.5 R3：IF B1?A3 THEN B2 CF(B2, B1?A3)=0.8 并且已知： CF(A1)=CF(A2)=CF(A3)=1 对B1，B2一无所知，其可信度为：