第八章 产生式规则专家系统.ppt

专家与决策支持系统 * 北京交通大学经济管理学院信息管理系 * 专家与决策支持系统 * 北京交通大学经济管理学院信息管理系 * 专家与决策支持系统 * 北京交通大学经济管理学院信息管理系 * 专家与决策支持系统 * 北京交通大学经济管理学院信息管理系 * 专家与决策支持系统 * 北京交通大学经济管理学院信息管理系 * 北京交通大学经济管理学院信息管理系 北京交通大学经济管理学院信息管理系 * 北京交通大学经济管理学院信息管理系 * 第八章 产生式规则专家系统 杜晖 * 北京交通大学经济管理学院信息管理系 * 内容 产生式规则ES流行的原因 产生式规则的不确定性推理 产生式规则ES的事实库 产生式规则ES的解释机制 产生式规则ES不确定性推理举例 习题 * 北京交通大学经济管理学院信息管理系 * 产生式规则ES流行的原因 产生式规则容易被理解 产生式规则基于演绎推理，保证了推理的正确性 大量产生式规则连成的推理树可以是多棵树。从广度看，反映了实际问题的范围；从深度看，反映了问题的难度 * 北京交通大学经济管理学院信息管理系 * 产生式规则的不确定性推理（1） 在推理过程中，由于知识的不确定性所引起的结论不确定性的传播过程 事实的不确定性 由不确定性因素（包括模糊性/不完全性/不准确与不精确性/随机性）造成 一般用可信度CF (Certainty Factor)值表示，0≤CF≤1或0≤CF≤100% “肺炎 CF=0.8”表示某病人患肺炎的可信度为0.8(80%) * 北京交通大学经济管理学院信息管理系 * 产生式规则的不确定性推理（2） 规则的不确定性 专家掌握的规则大多是经验性、不精确的 也可用可信度CF值表示 “如果 听诊=干鸣音 则 诊断=肺炎 CF=0.5”表示根据病人的听诊是干鸣音而诊断该病人患肺炎的可信度是0.5(50%) * 北京交通大学经济管理学院信息管理系 * 产生式规则的不确定性推理（3） 结论的不确定性 由于事实和规则的不确定性，导致了结论的不确定性 反映了不确定性的传播过程 仍用可信度CF值表示 * 北京交通大学经济管理学院信息管理系 * 产生式规则的不确定性推理（4） 结论的可信度计算公式 前提为∧连接时 规则形式：IF E1∧E2∧…∧En THEN H CF(R)； 结论H的可信度CF(H)=CF(R)×MIN{CF(E1),CF(E2)…CF(En)}。 其中，Ek(k=1,2…n)代表前提中的每个事实；CF(Ek)代表每个事实的可信度；CF(R)代表规则的可信度；CF(H)代表结论的可信度 * 北京交通大学经济管理学院信息管理系 * 产生式规则的不确定性推理（5） 前提为∨连接时 规则形式：IF E1∨E2 THEN H CF(R)?IF E1 THEN H CF(R1)，IF E2 THEN H CF(R2)，CF(R)=CF(R1)=CF(R2) 结论H的可信度：CF(H)=CF1(H)+CF2(H)-CF1(H)×CF2(H)。其中，CF1(H)=CF(E1)×CF(R1) CF2(H)=CF(E2)×CF(R2) 产生式规则的不确定性推理（6） 三项前提时，即IF E1∨E2 ∨E3 THEN H CF(R)，结论H的可信度：CF(H)=CF12(H)+CF3(H)-CF12(H)×CF3(H)。其中，CF12(H)=CF1(H)+CF2(H)-CF1(H)×CF2(H)；CF3(H)=CF(E3)×CF(R3) * 北京交通大学经济管理学院信息管理系 * 产生式规则的不确定性推理（7） 与确定性逆向推理的区别 当某个结论的可信度不为1时（即CF≠1），对于相同结论的其它规则仍要进行推理，求结论的可信度，并和已计算出该结论的可信度进行合并 举例 有两条相同结论的规则：R1：A→G；R2：B∧C→G。分别使用确定性逆向推理和不确定性逆向推理计算G的可信度 * 北京交通大学经济管理学院信息管理系 * 产生式规则的不确定性推理（8） 确定性逆向推理：先引用规则R1，提问A？当回答为yes时，推出结论G成立，即yes，不再搜索R2对结论G进行推理 * 北京交通大学经济管理学院信息管理系 * 产生式规则的不确定性推理（9） 不确定性逆向推理：设R1：A→G CF(0.8)；R2：B∧C→G CF(0.9) 引用规则R1，提问A？当回答为yes时，还需要给定事实的可信度，设为CF(0.7)，按公式求得G的可信度为CF1(G)=0.8×0.7=0.56 由于G的可信度不为1，再引用规则R2，提问B和C，设回答B为yes，CF(0.7)，回答C为yes，CF(0.8)，计算G的可信度为CF2(G)=0.9×min{0.7,0.8}=0.63 产生式规则的不确定性推理（10） 合并G的可信度为C