第9章知识和表达.pptVIP

第9章　知识和表达 9.1　知识分类和表达 9.1　知识分类和表达 9.1　知识分类和表达 9.1　知识分类和表达 9.2　场景知识 9.2.1　模型 9.2.1　模型 9.2.1　模型 9.2.2　属性超图 9.2.2　属性超图 9.2.2　属性超图 9.2.3　基于知识的建模 9.2.3　基于知识的建模 9.2.3　基于知识的建模 9.3　过程知识 9.3　过程知识 9.3　过程知识 9.3　过程知识 9.3　过程知识 9.4　知识表达基础 9.4.1　对知识表达的要求 9.4.2　知识表达类型 9.4.2　知识表达类型 9.4.3　图象理解系统中的知识模块 9.4.4　图象理解中的知识表达 9.5　逻辑系统 9.5.1　谓词演算规则 9.5.1　谓词演算规则 9.5.1　谓词演算规则 9.5.2　利用定理证明来推理 9.5.2　利用定理证明来推理 9.6　语义网络 9.6　语义网络 9.6　语义网络 9.7　产生式系统 9.7　产生式系统 联 系 信 息 非子句形式句法 逻辑表达式包括原子、逻辑连词、存在量词和全称量词 子句形式句法 逻辑表达式是(?x1 x2 … xk) [A1 ∧ A2 ∧ … ∧An ? B1 ∨ B2 ∨ … ∨ Bm]的形式 谓词演算示例{P.217} 推理规则： （wffs ＝ 合适公式） 应用于某些wffs和wffs的集合以产生新的wffs 推导出来的 wffs 称为定理 顺序地应用推理规则构成了定理的证明 谓词演算的一个基本结论就是所有的定理都可在有限时间内得到证明 析解规则的基本步骤： 是先将问题的基本元素表达成子句形式，然后寻求可以匹配的隐含表达式的前提和结果，再通过替换变量以使原子相等来进行匹配，匹配后所得到的（称为预解的）子句包括不匹配的左右两边 定理证明现在转化成要解出子句以产生空子句 语义网络是编了号的有向图 给出图象中各元素间联系的直观表示 表达和处理以子句形式描述知识的语义网络 对以下事实的语义网络表达 通过合并子图进行推理 (1)　? INSIDE(p, I ) (2)　? SCAN(J ) (3)　(?x, y)[INSIDE(x, y) ? DISCRETE(x)] (4)　DISCRETE(p) ? 用不同表达方法表达同一事件 事件“计算机A输送给计算机B一幅图象” 谓词逻辑：Send(A, B, image) 语义网络： 框架：Sender: A；Receiver: B；Object: Image 基于规则的系统 模块化的知识表达系统 产生式系统把知识表达成称为产生式规则的 守护程序的集合，每个产生式规则都有条 件?动作（condition-action）对的形式 产生式系统的典型应用是专家系统，专家系 统是具有解决特定问题能力（专家知识）的 人?机系统 *章毓晋 (TH-EE-IE) 第*页 第8讲 章毓晋 清华大学电子工程系 100084 北京 图象工程（下） 9.1 知识分类和表达 9.2 场景知识 9.3 过程知识 9.4 知识表达基础 9.5 逻辑系统 9.6 语义网络 9.7 产生式系统 图象理解的两个层次： (1) 从图象恢复3-D场景 (2) 掌握场景的高层含义 对场景的解释需要借助知识并与已有 模型匹配（仅恢复场景往往不够 ） 知识的作用： 图象理解是一个非常复杂的过程，困难主要来源于两个方面，一是有大量的数据要处理，另一是缺乏从已知的象素矩阵到所需结果（对图象内容的细节把握）的基本工具 一方面需要对问题的一般性加以限制，另一方面需要将人类的知识引入理解过程 知识在整个视觉过程的各个阶段都可以起到重要的作用 知识的分类： 将知识分成三类 ① 程序知识：与诸如选择算法、设置算法参 数等操作有关 ② 视觉知识：与图象形成模型有关 ③ 世界知识：关于问题领域的整体知识 将知识分成两类 场景知识和过程知识 知识的表达： 用什么样的形式来表示知识 原始图象表达目标是不可靠的，因为对目标的成象结果与对它们的照明和观察方向等都有关 低层工作的结果常是某种表达，如双眼视觉系统接收同一个场景的两幅不同的图象并产生一个明确表示深度信息的表达 高层次工作中对表达的选择很不明确，至今为止的研究都表明并不能从一个目标的表观来恢复其几何性质并用作其表达 9.2.1 模型 9.2.2 属性超图 9.2.3 基于知识的建模 有关场景的知识主要包括有关客观世 界中目标的事实特性 一般局限于某些确定的场景