第7篇 专家系统.pptVIP

第7章 专家系统 7.1 基本概念 7.2 系统结构 7.3 实例分析 7.4 系统设计与实现 7.5 开发工具与环境 7.6 专家系统的发展 7.1 基本概念 7.1.1 什么是专家系统 ◆专家系统(Expert System,ES)就是能像人类专家一样解决困难、复杂的实际问题的计算机(软件)系统。 ◆专家系统的四个要素：  (1) 应用于某专门领域。 (2) 拥有专家级知识。 　 (3) 能模拟专家的思维。　　 　 (4) 能达到专家级水平。 7.1.2　专家系统的特点 ——从处理的问题性质看, 专家系统善于解决那些不确定性的、 非结构化的、没有算法解或虽有算法解但在现有的机器上无法实施的困难问题。例如,医疗诊断、地质勘探、天气预报、市场预测、管理决策、军事指挥等领域的问题。 ——从处理问题的方法看,专家系统则是靠知识和推理来解决问题(不像传统软件系统使用固定的算法来解决问题), 所以, 专家系统是基于知识的智能问题求解系统。 ——从系统的结构来看, 专家系统则强调知识与推理的分离, 因而系统具有很好的灵活性和可扩充性。 ——专家系统一般还具有解释功能, 即在运行过程中一方面能回答用户提出的问题,另一方面还能对最后的输出(结论)或处理问题的过程作出解释。 ——有些专家系统还具有“自学习”能力, 即不断对自己的知识进行扩充、完善和提炼。这一点是传统系统所无法比拟的。 ——专家系统不像人那样容易疲劳、遗忘,易受环境、情绪等的影响, 它可始终如一地以专家级的高水平求解问题。因此, 从这种意义上讲,专家系统可以超过专家本人。 7.1.3　专家系统的类型 按用途分类,专家系统可分为：诊断型、解释型、预测型、决策型、设计型、规划型、控制型、调度型等几种类型。 按输出结果分类, 专家系统可分为分析型和设计型。按知识表示分类,可分为基于产生式规则的专家系统、基于一阶谓词的专家系统、基于框架的专家系统、基于语义网的专家系统等等。 按知识分类, 专家系统又可分为精确推理型和不精确推理型(如模糊专家系统)两类。 按采用的技术分类, 专家系统可分为符号推理专家系统和神经网络专家系统。 按规模分类, 可分为大型协同式专家系统和微专家系统。 按结构分类可分为集中式和分布式, 单机型和网络型(即网上专家系统)等。 7.1.4　专家系统与基于知识的系统 7.1.5　专家系统与知识工程 7.2 系统结构 7.2.1　概念结构 1. 知识库 (Knowledge Base, KB) 2. 推理机 (Inference Engine,IE) 3. 动态数据库 4. 人机界面 　5. 解释模块 6. 知识库管理系统 7.2.2　实际结构 7.2.3　黑板模型 7.2.4　网络与分布式结构 7.3　实例分析 --勘探专家系统PROSPECTOR 7.3.1 PROSPECTOR的功能与结构 (1) 勘探评价 (2) 区域资源评价 (3) 井位选择 7.3.2　知识表示 1. 分类学网络 2. 分块语义网络 3. 推理网络 PROSPECTOR中的规则形式： E→H(LS，LN) 其中, E为前提(称为证据); H为结论(称为假设); P(H)为H为真的先验概率;LS, LN分别为充分似然性因子和必要似然性因子： 7.3.3 推理模型 PROSPECTOR的不确定性推理模型是建立在概率论的基础上的，称为主观贝叶斯方法。（详见教材8.2.2节） 7.3.4　控制策略 　1. 正向推理 2. 主动式推理 3. 反向推理 7.3.5　解释系统 7.4　系统设计与实现 7.4.1　一般步骤与方法 7.4.2　快速原型与增量式开发 7.4.3　知识获取 　1. 人工获取 　2. 半自动获取 　3. 自动获取 7.4.4　知识表示与知识描述语言设计  7.4.5　知识库与知识库管理系统设计 　1. 知识库设计 2. 知识库管理系统设计 　1) 知识操作功能设计 知识操作功能包括知识的添加、删除、修改、查询和统计等。 2) 知识检查功能设计 知识检查包括知识的一致性、完整