实例讲解专家系统工作原理

1、实例讲解专家系统工作原理根据视频和拓展资料理解学习,寿光中学王建强对专家系统工作原理知识学习总结如下、专家系统的构 成般完整的专家系统应包括人机接口、推理机、知识库 、数据库、知识获取器和解释机构部分。领域专家知识工程师用户二、专家系统的工作原理般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领域问题的，其大过程如下:根据用户的问题对知识库进行搜索,寻找有关的知识；（匹配）2)根据有关的知识和系统的控制策略形成解决问题的途径，从而构成一个假设方案集合;3)对假设方案集合进行排序，并挑选其中在某些准则下为最优的假设方案；（冲突解决）4)根据挑选的假设方案去求解具体问题；（执行）5)如

2、果该方案不能真正解决问题,则回溯 到假设 方案序列 中的下一个假设方案，重复求问题;6）循环执行上述过程,直到问题已经解决或所有可能的求解方案都不能解决问题而宣告“解”为止。1、正向推理在专家系统中，对知识应用的顺序 和选择过程称 为控制策略，它决定着如何推理以及采用种推理方式。正向 推理（Forward Reasoning）和反向推理（Reverse Reasoning）就是两种重要的控制策略。h苏格拉底d匚二是人类上图所示实例中，知识库中的规 则:IF 苏格拉底 =TURE THEN男人=TURE.IF 男人=TURE THEN 人类=TURE.IF 人类=TURE THEN 会死的=TU

3、RE.解释机构：顺序规 则建议取得由来。显示：会死的=TRUE应用规则：IF 人类=TRUETHEN 会死的=TRUE .显示：男人=TRUE应用规则：IF苏格拉底=TRUETHEN 男人=TRUE .显示：人类=TRUE应用规则：IF 男人=TRUETHEN 人类=TRUE .你说：苏格拉底=TRUE建议证实.总结：推理机的工 作过程如下:(1)推理机将知识库中的规则前提与这些事实进行匹配；一般是 将每条规 则的前提取出来，验证这些前提 是否在数据库 中，若都在，则匹配成功;不然的话，则取下一条规则进行匹配(2)把匹配成功的规则 的结论 作为新的事实添加到综合数据库中。(3)用更新后的综合数

4、据库中的事实，重复上面两个步骤，直到某个事实就是意想中的结【实例讲解】实例1 :动物识别专家。在推理过程中，会同时推出几个结论。如:有毛发、会吃肉、有斑点一一首先推出金钱豹有黑色条纹一一再推出老虎有蹄再推出斑马IF该动物用乳汁哺育幼子=trueTHEN哺孚L动物=true .IF该动物有毛发=trueTHEN哺孚L动物=true .IF该动物会吃肉=trueTHEN食肉动物=true .IF该动物有犬齿=true AND该动物有爪 =true AND 该动物眼视前方=trueTHEN 食肉动物=true .IF哺乳动物 =true AND该动物有蹄 =trueTHEN 蹄类动物=true .I

5、F哺乳动物 =true AND该动物是反刍动物=trueTHEN 蹄类动物=true .IF哺乳动物 =true AND食肉动物 =true AND 有暗斑点=trueTHEN 该动物是金钱豹=true .IF哺乳动物 =true AND食肉动物 =true AND 有黑色条纹 =trueTHEN该动物是老虎=true .IF蹄类动物 =true AND有黑色条纹 =trueTHEN 该动物是斑马=true .IF蹄类动物 =true AND有长脖子 =true AND 有长腿 =trueTHEN该动物是长颈鹿=true .实例2:农产品专家系统规则库：R1: IF食物为绿色 =TURETHE

6、N它是农产品 =TURE .R2: IF食物为精包装 =TURETHEN 它是高档食品= TURE .R3: IF 食物为冷冻食品或农产品= TURETHEN 它是易坏食品= TURE .R4: IF 食物重5KG且价廉又不易坏食品=TURETHEN 它是家庭通用食品= TURE .R5: IF 食品易坏, 食物重 5KG = TURETHEN 它是牛肉= TURE .R6: IF 食物重 5KG, 且为农产品= TURETHEN 它是西瓜= TURE .数据库初始值为“食物为绿色，重5KG”【正向推理过程解析】 ：(1)第一次匹配，R1触发，综合数据库更新数据为W1 “它是农产品，食物为绿色

7、，重5KG” ；( 2 )以W1 为匹配数据，第二次匹配，R1 、 R3、 R6 触发， R1 已执行，将其删除，执行R3，综合数据库更新数据为W2 “它是农产品，易坏食 品，食物为绿色，重5KG”( 3 )以W2 为匹配数据，第三次匹配，R1 、 R3、 R5、 R6 触发， R1、 R3 已执行，将它们删除，执行R5,综合数据库更新数据为W3 “它是农产 品，它是牛 肉，易坏 食品，食物为绿色，重5KG”，得出结论是牛肉，与事实相违，此步因 R5 的不精确导致推理出错；(4)重复以 W2为匹配数据，第三次匹配，R1、R3、R5、R6触发，R1、R3、R5删除，执行R6,综合数据库更新数据为

8、W4“它是农产品，它是西瓜，易 坏食品，食物 为绿色，重 5KG” ；(5)以 W4为匹配数据，第四次匹配，R1、R3、R5、R6触发，R1、R3、RS R6都已执行，全部删除，所有规则 匹配完毕，所以综 合数据库 W4“它是农产品，它 是西瓜，易坏食 品，食物为 绿色，重5KG”，得到问题的求解。2 、反向推理反向推理(Reverse Reasoning) 就是用户或系统提出 一些假 设，然 后系统来验证这 些假设 的真假性。它的推理过程可以理解为从目标出发，反向使用规则进行推理。其具体过程如下：1) 看假设是否在综合数据库当中 , 若在，则假设成立，推理结束或进行下一个假设的验证，否则，进

9、行下一步。2) 判断这些假设是不是证据结点，若是，系统向用户提问。否则进入下一步。3) 找出结论部分包含这些假设的规则，把这些规则的所有前提作为新的假设。重复 1 、 2、 3 步。开始3、不精确推理不确定推理，又称不精确推理(Inexact Reasoning ),是指由于证据的不确定、规则的不确定或研究方法的不确定，导致推理的结果的不确定。表示不确定信息的基本思想就是：将推理过程中所涉及的“事实”和“规则”都赋上一个 “可信度 因子”，即事实 或规则 的确信程 度。可 信度因 子一般可 以取闭 区间1,1中的任何一 个值，如果完全确 定的话可信度 因子就是1,完全否定 则取-1。通常我们用

10、 CF来表示可信度。例如，规则： if A then B CF(B,A)设：CF (A)表示前提条件A的可信度；CF (B)表示结论 B的可信度；CF ( B, A)表示从 A推出B的可信度（可能性 ），即该规则 的可信度。n 前提为单个条件时CF ( B) = CF(B,A) - CF(A)例如，规则的可信度为100%,即CF (B, A =1,则CF (B) =CF (A)。【前提条件以“ AND'连接时】如果前提 A以“AND'连接了多个条件，例如A= (A1CA2-A3),则取前提条件中可信度的最小值作为A的可信度。CF (A) =CF (A1A2cA3) = min(CF(A1),CF(A2),CF(A3)CF(B尸CF(B,A) CF(A尸=CF(B,A)- min(CF(A1),CF(A2),CF(A3)【前提条件以“OR'连接时】如果前提 A以“ OR'连接了多个条件，例如A= ( A1 jA2A3),则取多个条件中可信度的最大值作为 A的可信度。CF (A) = CF (A1jA2，jA3) = max(CF(A1),CF(A2),CF(A3)CF(B尸CF(B,A)- CF(A尸 CF(B,A)- max(CF(A1),CF(A2),CF(A3)例：试求得出结论“金钱豹”的 可信度，即计