基于粗集理论的专家系统中知识的获取、更新与推理-管理科学与工程专业论文.docxVIP

山东师范大学硕士学位论文基于粗集理论的专家系统中知识的获取、更新与推理 山东师范大学硕士学位论文 基于粗集理论的专家系统中知识的获取、更新与推理 摘要 在人工智能和知识工程的研究应用系统的开发中，专家系统是一个极为活跃的分支 领域，其在许多领域中都有成功的应用。随着发展的深入和要求的提高，有关知识获取以及 如何处理知识的不确定性等问题逐渐显现出来。 粗集理论是1982年卣披兰数学家Z．Pawlak教授提出来的，它是一种处理不完整、不 确定信息的新型数学工具。由于粗集理论是利用数据集上的等价关系对知识的不确定程度 进行度量，而无需提供所需处理的数据集合之外的任何先验信息，这样就避免了对知识的 主观评价所带来的误差。所以用粗集理论来处理专家系统中的不确定知识的获取，更新与 推理具有十分广泛的应用前景。 本文所做的主要工作有给出了一个基于粗集理论的专家系统的基本模型结构，并对模 型中的知识获取机制、知识更新机制以及知识推理机制进行了详细的研究．在知识的获取 中，主要介绍了几种传统的知识获取算法，为改进这些算法的缺点，给出了几种知识获取 的改进算法；在知识的更新机制中，提出了一种新的增量式学习算法，并且对减量式学习 的情况进行了讨论；在知识的推理中，简单介绍了几种常用的不确定推理的方法，对其进 行改进，给出一种含主观因素的不确定性推理方法，并对不完备知识的推理进行了讨论。 本文的主要创新点在于： (1) 对传统专家系统的模型结构进行了改进，给出了一个基于租集理论的专家系 统的基本模型结构(如图1．3．1)。 (2)对传统的属性约简算法进行了改进，在约简过程中加入了对权重系数和主观 因素的考虑。 (3)扩展了传统规则约简定义方法，该方法可用于不一致规则的约简。给出一个 基于Apriori性质和支持度的规则约简算法。 (4)当向决策表中增加新例子时，相应的极小决策规则集也会发生相应的变化。 本文根据新例子与原极小决策规则集之间的关系，对新例子所有可能的情况进行了划分， 并在该划分的基础上给出一个新的增量式学习算法． (5)对于从知识库中删除例子后相应极小决策规则集的变化情况进行了研究． (6)在知识的推理中，加入了对新对象中各属性重要性的主观因素的考虑，给出 了一种含主观因素的不确定性推理方法。 (7)在不完备知识的推理中，对传统新对象匹配集的概念进行了扩展，并在该基 础上，研究了不完备知识推理的方法。 本文对于一些传统的知识获取、更新及推理算法进行了改进，但在某些方面还存在一 些缺点．例如：本文所给的知识获取算法效率仍然较低，且存在较大误差；在知识的简单 3 山东师范大学硕士学位论文性和完整性的权衡问题上缺少一个有效的评价标准；改进后的增量式学习算法虽然大大减 山东师范大学硕士学位论文 性和完整性的权衡问题上缺少一个有效的评价标准；改进后的增量式学习算法虽然大大减 少了重新计算的必要性，但当增加新例子后导致属性约简变化时，该算法的时间复杂度较 传统算法略有增加；在含主观因素的不确定推理中主、客观因素所占的比重是由用户决定 的，如何更客观地决定推理中主客观因素的比重，这些问题都还有待于进一步的研究． 关键词：粗集；专家系统；知识获取；知识更新；知识推理 分类号：TPl8 4 山东师范大学硕士学位论文KnowIedge 山东师范大学硕士学位论文 KnowIedge AcquisitiOn。Modification and Reasoning in Expert System Based on Rough Set Theory ABSTRACT W也也e development of the applieation system of the artifieial砥llig％ce and也e knowledge e,gineeting,the expert system is龇exlremely ltctive branch domain．It WaS suece龉fully applicd in m；哪domains．晰lh也e enhanccment ofdemand,many questiom iuch as tlle knowledge aexlllisidon and也e uncertain knowledge托asoning arc exposed． Rou啦set幽rythat辎putforw翟d byPole Z．Pawlakinl982is anew妇a丑alysis theory of analyzing and dealing、)l，ith uncertain and incomplete data．It inak∞嘴of也e eqllivalence relalio璐to账a汕e the indeterminati