第12部分专系统.ppt

　当C(E|Se)＞0时,P(E|Se)＞P(E);当C(E|Se)≤0时, P(E| Se)≤P(E)。  　　因此,用户实际上用C(E| Se)≤0来指明对他所提供的信息的信任程度。当他相信E以某种程度为真时, 指定一个大于0的C(E| Se);当他相信E以某种程度为假时, 指定一个小于0的C(E|Se)。系统利用公式(12-1)将其自动转换成相应的P(E| Se),确保系统不会错误地理解用户的意图。  　同样,系统向用户显示结论H时,用公式(12-2)将后验概率P(H|S)转化为C(H|S)提供给用户。 12.3.4　控制策略 　　1. 正向推理 PROSPECTOR的正向推理实际上就是概率传播, 它由传播程序完成。每当用户输入一个证据E及其后验概率P(E|S),传播程序就利用主观Bayesian方法,将P(E|S)的影响沿推理网络传播, 修改更高层次上语义空间的后验概率, 直至将P(E|S)的影响传至顶层空间。传播程序传播后验概率的方法如前所述。 　　2. 主动式推理 　咨询开始时,用户可根据自己的观察为系统提供信息。 PROSPECTOR在这方面为用户提供了很大的灵活性, 用户不仅可以输入有关可问空间的信息,还可以输入关于推理网络任意层次上的假设空间的信息。这种方法有利于充分发挥用户的作用, 加快推理速度。例如,H是推理网络中的一个非可问空间,如果用户根据他的观察已经很明显地看出H是成立的, 那么他可直接告诉系统H成立, 这就可以减少系统关于H的推理, 而直接在已知H成立的基础上进行推理。不仅在咨询开始时, 而且在咨询的任意时刻,用户都可以以这种方式为系统提供信息。 这种方法称为主动式推理。 　　3. 反向推理 　　当正向推理(概率传播)结束后, 如果系统已能确定存在某种矿藏, 则输出结果;否则进入反向推理过程。反向推理由提问系统负责, 它为断定某种矿藏的成矿可能性寻求有关的数据。 因此反向推理实际上要完成两个任务：  (1) 应优先考虑哪个顶层假设, 这主要根据评判函数Jh来选择。　 　(2) 应向用户询问哪个空间, 这主要根据评判函数J*来选择。 　　进入反向推理后, 提问系统首先用Jh函数为推理网络中的所有顶层空间打分, 并从中选出得分最高者作为反向推理的目标。 然后提问系统用J*函数为所有以这个空间为结论的规则打分, 并选择得分最高的规则的前提空间作为反向推理的下一级子目标。若该子目标是一个可问空间, 则向用户提问; 当用户提供的可信度的绝对值大于1时, 将该空间标记为“不可用”的, 并转向正向推理, 传播概率; 否则继续用J*进行反向推理, 直至达到某一可问空间为止。 12.3.5　解释系统 PROSPECTOR的解释系统可以为用户提供几种不同类型的解释。最简单的一种是允许系统在咨询的任何时刻检查推理网络中某个语义空间的后验概率。其次解释系统可以向用户显示推断某一结论所使用的规则。用户还可以检查某一数据对推理网络中任一特定空间概率的影响。这种解释可以为用户提供两种很有意义的信息。首先,系统可以通过这种解释能力告诉用户,它所采集到的数据中哪些是最有意义的;其次, 系统可以提示用户需要进一步采集的有意义的数据是什么。 图 12-12 建立专家系统的一般步骤 12.4　系统设计与实现 12.4.1　一般步骤与方法 由于专家系统也是一种计算机应用系统,所以,一般来说, 其开发过程也要遵循软件工程的步骤和原则, 即也要进行系统分析、 系统设计等几个阶段的工作。但又由于它是专家系统, 而不是一般的软件系统, 所以,又有其独特的地方。 如果我们仅就“纯专家系统”而言, 则其设计与实现的一般步骤可如图12-12所示。  　　由图12-12可以看出, 专家系统的开发有如下特点：  　(1) 知识获取与知识表示设计是一切工作的起点。 　　(2) 知识表示以及知识描述语言确定后, 各项设计(图中并列的六个设计)可同时进行。 　　还需说明的是： (1) 对于一个实际的专家系统, 在系统分析阶段就应该首先弄清楚：系统中哪里需要专家知识, 专家知识的作用是什么？ 以及系统中各专家模块的输入是什么？ 处理是什么？输出又是什么？  (2) 系统投入运行后, 一般来说, 其知识库还需不断扩充、更新、完善和优化, 所以专家系统的开发更适合采用快速原型法。  (3) 对系统的评价主要看它解决问题是否达到专家水平。 (4) 上述的所谓“纯专家系统”就是一个实际专家系统中的专家模块部分。那么,对于系统其他部分的分析与设计,原则上讲, 与一般计算机应用系统完全一样, 即可按软件工程规范和程序进行。