人工智能基础06--专家系统.pptVIP

目录 第一章　绪论 第二章　知识表示 第三章　搜索技术 第四章　推理技术 第五章　机器学习 第六章　专家系统 第七章　自动规划系统 第八章 自然语言理解 第九章 智能控制 第十章 人工智能程序设计 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.1 专家系统概述 6.2 基于规则的专家系统 6.2 基于规则的专家系统 6.2 基于规则的专家系统 6.2 基于规则的专家系统 6.3 基于框架的专家系统 6.4 基于模型的专家系统 6.5 专家系统的设计、评价与开发 6.5 专家系统的设计、评价与开发 6.5 专家系统的设计、评价与开发 6.5 专家系统的设计、评价与开发 6.5 专家系统的设计、评价与开发 6.5 专家系统的设计、评价与开发 6.5 专家系统的设计、评价与开发 6.5 专家系统的设计、评价与开发 6.5 专家系统的设计、评价与开发 6.5 专家系统的设计、评价与开发 6.5 专家系统的设计、评价与开发 6.5 专家系统的设计、评价与开发 6.6 专家系统设计举例 6.7 新型专家系统 6.7 新型专家系统 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8 知识发现 6.8.6 数据挖掘技术 4. 聚类(Clustering) 聚类是把数据按照相似性归纳成若干类别，同一类中的数据彼此相似，不同类中的数据相异。 聚类是一种无监督分类法， 没有预先指定的类。 X值 聚类示例 6.8.6 数据挖掘技术 4. 聚类(Clustering) 与分类的区别： 分类依赖于预先定义的类和带类标号的训练实例，是一种观察式 的学习；而聚类是找到这个簇的特征或者标号的过程。 一个有效的聚类算法必须满足两个条件： 类内数据对象的强相似性，通常用紧致度描述； 类间数据对象的弱相似性，常采用分离度描述。 6.8.6 数据挖掘技术 4. 聚类(Clustering) 聚类算法的分类 聚类分析算法取决于数据的类型、聚类的目的和应用。 （1）基于划分方法 给定一个包含n个对象的数据集和要构建的划分数目k，划分方法首先创建一个初始划分，然后采用一种迭代的重定位技术，尝试通过对象在划分间的移动来改进划分 （2）基于层次方法 层次聚类是将数据集分解成几级进行聚类，层的分解可以用树形图来表示以任一样本 6.8.6 数据挖掘技术 4. 聚类(Clustering) （3）基于密度的方法 点为基础，当该点的给定邻域内包含的数据点个数超过某一给定阈