智能决策支持系统以及智能技术决策支持.ppt

3.实现步骤 (1)请求:向人类专家提出请求. (2)解释:消化吸收专家的知识并把它转化成可理解形式。 (3)形式化:把专家知识转换成机器能够操作形式，即当专家的知识不能直接在机器上操作时,需要进行一些处理 (形式化),使专家知识成为可使用形式. (4)并入:把知识并入知识库中.在并入知识库时要解决知识的冗余和矛盾的问题. (5)评价:评价知识的执行的结果.一般让系统使用专家的知识执行某些实际任务,检查是否工作得很好. (2)示教学习（被告知学习） 1.思想:从大量例子中分析、提炼出规则知识或判定树知识。 2.示意图: (3) 示例学习（learning from examples） ID3(互信息);IBLE(信道容量) 例 子 集 示例 学习 算法 规律性 知识 产生式 规则 判 定 树 集合论方法 信息论方法 AQ系列:AQ11,AQ15 AE5粗集方法 ID3 IBLE AQ15 例如,给出肺炎与肺结核两种病的一些病例.每个病例都含有五种症状： 发烧(无、低、高), 咳嗽(轻微、中度、剧烈), X光所见阴影(点状、索条状、片状、空洞), 血沉(正常、快), 听诊(正常、干鸣音、水泡音). (3) 示例学习（learning from examples） 肺炎和肺结核的部分病例集为： 通过示例学习得到如下诊断: （1）血沉＝正常∧（听诊＝干呜音∨水泡音）→诊断＝肺炎 （2）血沉＝快∨听诊＝正常→诊断＝肺结核 这样，就从例子（病例）归纳产生了诊断规则。 肺炎 肺结核 病状 病例号 发烧 咳嗽 X光所见 血沉 听诊 1 高 剧烈 片状 正常 水泡音 2 中度 剧烈 片状 正常 水泡音 3 低 轻微 点状 正常 干鸣音 4 高 中度 片状 正常 水泡音 5 中度 轻微 片状 正常 水泡音 1 无 轻微 索条状 正常 正常 2 高 剧烈 空洞 快 干鸣音 3 低 轻微 索条状 正常 正常 4 无 轻微 点状 快 干鸣音 5 低 中度 片状 快 正常 示例学习系统较多，其中较有影响的有： ?J.R.Quinlan的ID3 ? Michalski的AQ11及洪家荣扩充的AQ15 ?洪家荣的AE5 ?钟鸣和陈文伟的IBLE (3) 示例学习（learning from examples） 4. 解释学习(EBL,explaination-based learning) 通过领域知识及问题求解实例，对某一目标概念进行学习，生成该目标概念的一般性描述（可操作规则）。 是利用领域知识和训练例子，对目标概念构造具有可操作性，能进行推理的规则。 4.解释学习(EBL,explaination-based learning) 空间描述 D1 D2 C 子集 I1，I2，I3 不可操作的 可操作的 概念描述空间 概念空间 例子空间 例子空间：用于问题求解的例子集合。 概念空间：所有概念的集合。 概念描述空间：所有概念描述的集合。 关系：概念空间的每个概念都可表示为例 子空间某些例子的集合（子集），每个概 念可以对应概念描述空间的多个概念描述 概念C对应例子空间的子集（I1，I2，I3） 概念C对应概念描述空间的D1和D2。 4.解释学习(EBL,explaination-based learning) 解释学习任务： 把不可操作的概念描述转化为可操作的概念描述。 基本原理： 米切尔（Mitchell ）的解释泛化学习方法： 已知 目标概念 GC（Goal Concept） 训练实例 TE（Training Example） 领域理论 DT（