遥感数字图像处理遥感数字影像分类.pptVIP

反向推理（Backward Chaining），即目标驱动方式推理，这种推理方式先提出假设，再由此出发，进一步寻找支持假设的证据。推理过程：选定一个目标，在知识库中查找能导出该目标的规则集。若这些规则中的某条规则的条件部分与遥感数据库内特征（事实）匹配，则执行该规则；否则，将该规则条件部分作为子目标，递归执行上述过程，直到总目标被求解或不存在能导出目标（或子目标）的规则为止。 正向推理（Forward Chaining），即事实驱动方式的推理，它由已知事实出发向结论方向推理。推理过程大致是：系统根据地物的各种特征，在知识库中寻找能与之匹配的规则。若找到，则将该规则的结论部分作为中间结果，利用这个中间结果继续与知识库中的规则匹配，直到得到最终结论。 执行推理时，系统根据遥感影像解译任务在解译地区选取目标参数，由参数确定区域结点并将与遥感影像解译任务有关的规则送入公共数据区，同时，系统由影像数据库取出待识别目标地物特征数据送到公共数据区（知识黑板），对公共数据区当前数据与知识网中所有规则左部匹配测试。当一条规则的左部与公共数据区的当前数据匹配成功，该规则被触发。规则右部执行操作或调用函数求值，操作结果或计算值作为新的数据填入黑板上槽名指示的槽中。当几条规则同时得到触发，公共数据区对应的槽中可能被赋予几个值（几条触发的规则得到结论），系统将这些值链接存贮，采取面向遥感影像解译领域的冲突仲裁策略，借助遥感影像解译专家来选取多个中间推理结论中的一个。 当一条规则的前提条件并未全部满足时，系统则转入反向推理，用反向推理进一步寻找支持假设的证据，把前提条件中缺失的事实（不满足的条件）当作目标，对每一个假设的目标获取信息进一步逐个进行测试，当通过推理规则获得必要证据或从用户处获得证据后，假设的目标得到证实。此时假设的目标作为事实赋给前提条件，同时系统再次启动正向推理。 推理产生的中间结果数据送入公共数据区，知识网络中的规则再度同更新后的公共数据区的数据作匹配测试，重复“匹配-冲突-解译”的推理过程，直到得出遥感影像解译结果。 完成一个目标地物识别后，执行公共数据区初始化，从影像数据库取出新的地物数据送入到公共数据区，重复前个地物目标推理过程，直到影像数据库内所有的目标地物都予以识别后，结束推理。 (5)推理机具有两种运行形式： 咨询式：用户和系统进行人机对话，解译系统根据用户提供的区域信息和任务要求，完成遥感影像解译。其具体过程是依据遥感影像解译要求与特定目的，确定目标地物的分类系统和目标地物识别的深入程度。当缺乏某些判据时，系统自动向用户询问。此时用户应给出目标地物的判据，解译系统根据向用户咨询的各种判据，综合分析后给出解译结果。咨询式推理适用于用户具有比较丰富的解译经验或前提事实不足的情况下。 隐蔽式：解译过程中影像数据同解译知识的结合在专家系统内部进行。它依据解译知识库内的地物类型选取影像数据，数据在公共数据区内同解译规则匹配，进行推理。碰到前提事实不足时，系统转入反向推理，启用深层推理知识，获取有关事实（证据）。这个过程中，数据的传递、知识的调用，都是在系统内部独立完成的，因此称之为隐蔽式。 (6)专家系统中的解译器是一个用于说明推理过程的工具。它的作用是对推理的过程进行解释，以便用户明了计算机解译的过程。从应用要求看，解释功能要求解决以下两个问题： 系统应该能理解用户提出的问题。 系统能够根据用户的问题进行解释。在这个问题中又存在着解释层次（详细程度）的确定问题。对于实际用户来讲，解释的内容应该详细具体，并且应该用接近自然语言的表述形式。对于知识工程师，解释机制是一种调试工具，它要求解释简洁和精确，便于发现错误和改进系统。换句话讲，解释层次同用户的专业知识层次有密切关系。一个好的解释模块应该是一个好“教师”，它能够因人施教，确定解释的层次。 解决第1个问题可采取的方法： 尽可能全面地估计用户可能提出的各种遥感影像解译问题，然后将这些问题归纳、分类和整理。上述问题分别在知识库中存贮，并根据用户的询问在荧屏显示，用户只需要选择相应问题的编号，系统就可以接受用户提出的问题并进行解释。为了提高系统动态解释能力，可以采用Why函数为用户提供当前推理问题的解释。系统通过荧屏显示等提供说明，告诉用户采用的推理方法和推理路径，显示推理中采用的规则，使用户了解推理过程，力求使用户心悦诚服地接受推理的结论。考虑到机器对自然语言理解仍有很大的限制性，解释器可给出几种不同的问题模式，使系统能够回答关于遥感影像解译中常见的几类问题。 解决第2个问题可采取的方法： 建立用户知识模型来确定解释层次。系统以具有实际解译经验的普通用户为服务对象，选用基本解译规则作为解释单元。 系统动态解释采用追踪解释法，其采用的技术是：利