基于粗集理論的專家系統(tǒng)中知識的獲取、更新與推理.pdf

1、在人工智能和知識工程的研究應(yīng)用系統(tǒng)的開發(fā)中,專家系統(tǒng)是一個極為活躍的分支領(lǐng)域,其在許多領(lǐng)域中都有成功的應(yīng)用.隨著發(fā)展的深入和要求的提高,有關(guān)知識獲取以及如何處理知識的不確定性等問題逐漸顯現(xiàn)出來. 粗集理論是1982年由波蘭數(shù)學(xué)家Z.Pawlak教授提出來的,它是一種處理不完整、不確定信息的新型數(shù)學(xué)工具.由于粗集理論是利用數(shù)據(jù)集上的等價關(guān)系對知識的不確定程度進(jìn)行度量,而無需提供所需處理的數(shù)據(jù)集合之外的任何先驗信息,這樣就避免了對知

2、識的主觀評價所帶來的誤差.所以用粗集理論來處理專家系統(tǒng)中的不確定知識的獲取,更新與推理具有十分廣泛的應(yīng)用前景. 本文所做的主要工作有給出了一個基于粗集理論的專家系統(tǒng)的基本模型結(jié)構(gòu),并對模型中的知識獲取機(jī)制、知識更新機(jī)制以及知識推理機(jī)制進(jìn)行了詳細(xì)的研究.在知識的獲取中,主要介紹了幾種傳統(tǒng)的知識獲取算法,為改進(jìn)這些算法的缺點(diǎn),給出了幾種知識獲取的改進(jìn)算法;在知識的更新機(jī)制中,提出了一種新的增量式學(xué)習(xí)算法,并且對減量式學(xué)習(xí)的情況進(jìn)行了

3、討論:在知識的推理中,簡單介紹了幾種常用的不確定推理的方法,對其進(jìn)行改進(jìn),給出一種含主觀因素的不確定性推理方法,并對不完備知識的推理進(jìn)行了討論. 本文的主要創(chuàng)新點(diǎn)在于: (1) 對傳統(tǒng)專家系統(tǒng)的模型結(jié)構(gòu)進(jìn)行了改進(jìn),給出了一個基于粗集理論的專家系統(tǒng)的基本模型結(jié)構(gòu)(如圖1.3.1). (2) 對傳統(tǒng)的屬性約簡算法進(jìn)行了改進(jìn),在約簡過程中加入了對權(quán)重系數(shù)和主觀因素的考慮. (3) 擴(kuò)展了傳統(tǒng)規(guī)則約簡定義方法,

4、該方法可用于不一致規(guī)則的約簡.給出一個基于Apriori性質(zhì)和支持度的規(guī)則約簡算法. (4) 當(dāng)向決策表中增加新例子時,相應(yīng)的極小決策規(guī)則集也會發(fā)生相應(yīng)的變化,本文根據(jù)新例子與原極小決策規(guī)則集之間的關(guān)系,對新例子所有可能的情況進(jìn)行了劃分,并在該劃分的基礎(chǔ)上給出一個新的增量式學(xué)習(xí)算法. (5) 對于從知識庫中刪除例子后相應(yīng)極小決策規(guī)則集的變化情況進(jìn)行了研究. (6) 在知識的推理中,加入了對新對象中各屬性重要性的主

5、觀因素的考慮,給出了一種含主觀因素的不確定性推理方法. (7) 在不完備知識的推理中,對傳統(tǒng)新對象匹配集的概念進(jìn)行了擴(kuò)展,并在該基礎(chǔ)上,研究了不完備知識推理的方法. 本文對于一些傳統(tǒng)的知識獲取、更新及推理算法進(jìn)行了改進(jìn),但在某些方面還存在一些缺點(diǎn).例如:本文所給的知識獲取算法效率仍然較低,且存在較大誤差;在知識的簡單性和完整性的權(quán)衡問題上缺少一個有效的評價標(biāo)準(zhǔn);改進(jìn)后的增量式學(xué)習(xí)算法雖然大大減少了重新計算的必要性,但當(dāng)增