9 人工智能与专家系统(2014).pptVIP

* PROSPECTOR系统应用在地质勘探领域 环境科学与工程中，运用数据挖掘可以进行环境调查与环境监测、环境模拟与质量评价等； 矿物资源与开发，运用数据挖掘进行矿物性能分析、矿物资源优选、矿物开发方案设计等； 在地信与规划中，主要是进行资源调查与评价、空间信息处理与信息融合、空间知识表达与推理、交通管理与城市规划等。 * 思 考 题 机器学习的概念是什么？ 学习系统的基本构成包括几个部分？ 简述解释学习的过程和步骤？ 知识发现的方法有哪些？ Thanks. * * * * * * * * * * * ① 枚举归纳 设a1，a2，…是某类事物Ａ中的具体事物，若已知a1，a2，…an，都有属性P，并且没有发现反例，当n足够大时，就可得出 “A中所有事物都有属性P”的结论。这是一种从个别事例归纳出一般性知识的方法，“A中所有事物都有属性P”是通过归纳得到的新知识。 * ② 联想归纳 若已知两个事物a与b有n个属性相似或相同，即： 　　a具有属性Pl，b也具有属性Pl； 　a具有属性P2，b也具有属性P2； 　　　　　　　　… … 　　a具有属性Pn，b也具有属性Pn。 且发现a具有属性Pn+1，则当n足够大时，可归纳出：b也具有属性Pn+1这一新知识。 * ③ 类比归纳 设A，B分别是两类事物的集合： 　　　A={a1，a2，…} 　　　B={b1，b2，…} 并设ai与bi总是成对地出现，且当ai有属性P时，bi就有属性Q与之对应，即 P（ai）→Q（bi） i=1，2，… 则当A与B中有一对新元素出现时（设为A中的，及B中的 ），若已知 有属性P，就可得出 有属性Q，即 * ④ 逆推理归纳 一种由结论成立而推出前提以某种置信度成立的归纳方法。日常生活及科学研究中经常使用这种方法进行归纳推理。一般模式是：　　(a) 若H为真时，则H→E必为真或以置信度cf1成立。　　(b) 观察到E成立或以置信度cf2成立。　　(c) 则H以某种置信度(cf)成立。 * （2）归纳学习方法 ●???归纳学习是应用归纳推理进行学习的一类方法，按其有无教师指导可分为示例学习及观察与发现学习。 ●???示例学习 ●?? 观察与发现学习 * 示例学习 ●???示例学习（Learning from examples）又称为实例学习或从例子中学习，它是通过从环境中取得若干与某概念有关的例子，经归纳得出一般性概念的学习方法。 * 示例学习 学习过程是：首先从示例空间（环境）中选择合适的训练示例，然后经解释归纳出一般性的知识，最后再从示例空间中选择更多的示例对它进行验证，直到得到可实用的知识为止。 * 示例学习的学习模型 * 实例学习例子 训练实例集合: 1.(乌鸦w1，羽毛黑); 2.(乌鸦w2，羽毛浅黑); 3.(麻雀w3，羽毛灰); 4.(鸽子w4，羽毛白); 5.( 乌鸦w5，羽毛白);6.(乌鸦w6，羽毛黑)； 7.(乌鸦w7，羽毛黑); 8.(燕子w8，羽毛灰) 根据训练实例集合提出规则(假设）: 乌鸦(x)?黑（羽毛） ?黑（羽毛） ? ? ?乌鸦(x) 归纳： (乌鸦，黑色的羽毛) 可信度：4/5=0.8 * 观察与发现学习 观察与发现 学习（Learning from observation and discovery）分为观察学习与机器发现两种。前者用于对事例进行概念聚类，形成概念描述；后者用于发现规律，产生定律或规则。 * 概念聚类 概念聚类 是观察学习研究中的一个 重要技术，是由米卡尔斯基（R．S．Michalski）在1980年首先提出来的，其基本思想是把事例按一定的方式和准则进行分组，如划分为不同的类，不同的层次等，使不同的组代表不同的概念，并且对每一个组进行特征概括，得到一个概念的语义符号描述。 * 实 例 对如下事例： 喜鹊、麻雀、布谷鸟、乌鸦、鸡、鸭、鹅…… 可根据它们是否家养分为如下两类： 　鸟＝｛喜鹊，麻雀，布谷鸟，乌鸦……｝ 　　　　家禽＝｛鸡、鸭、鹅……｝ * 实 例 “鸟”和“家禽”就是由分类得到的新概念，而且根据相应动物的特征还可得知： “鸟有羽毛、有翅膀、会飞、会叫、野生” “家禽有羽毛、有翅膀、不会飞、会叫、家养” 如果把它们的共同特性抽取出来，就可以进一步形成“鸟类”的概念 * 机器发现 机器发现是指从观察的事例或经验数据中归纳出规律或规则，这是最困难且最富创造性的一种学习。 可分为经验发现与知识发现两种，前者指从经验数据中发现规律和定律，后者是指从已观察的事例中发现新的知识。 * 知识发现的发展和定义 知识发现的产生和发展 知识发现最早是