专家推理系统

1、置信规则库专家系统置信规则库专家系统 与复杂系统建模与复杂系统建模讲解：王倩倩讲解：王倩倩置信系统置信系统1. 专家系统及置信规则库专家系统的提出专家系统及置信规则库专家系统的提出2. 证据推理证据推理3. 实例分析实例分析1.专家系统及置信规则库专家系统的提出专家系统及置信规则库专家系统的提出v了解专家系统的背景，及其结构、特点v了解置信规则库的表示方法v对比BRB系统与原专家系统的优势学习目的：学习目的：1.1 专家系统专家系统 专家系统（专家系统（ES）是人工智能领域最活跃和最广泛的领域之一，主要应）是人工智能领域最活跃和最广泛的领域之一，主要应用于商业和工业领域，并以信息处理的主流兴起

2、，代替传统的数据处理器。用于商业和工业领域，并以信息处理的主流兴起，代替传统的数据处理器。按照发展阶段的不同，可以将按照发展阶段的不同，可以将ES分为分为5个阶段：基于规则的、基于框架的、个阶段：基于规则的、基于框架的、基于案例的、基于模型的、基于基于案例的、基于模型的、基于Web的。其中基于规则的专家系统是目前的。其中基于规则的专家系统是目前最常用的方式，主要归功于大量成功的实例，以及简单灵活的开发工具，最常用的方式，主要归功于大量成功的实例，以及简单灵活的开发工具，它直接模仿人类的心理过程，利用一系列的规则来表示专家知识。它直接模仿人类的心理过程，利用一系列的规则来表示专家知识。 接下来我

3、们学习的基于置信规则库的专家系统就是基于规则的，并在接下来我们学习的基于置信规则库的专家系统就是基于规则的，并在一般的一般的IF-THEN规则上进行改进，可以更好处理各种信息。规则上进行改进，可以更好处理各种信息。1.1 专家系统专家系统 定义：定义：专家系统，专家系统，首先要定义专家，顾首先要定义专家，顾名思义，专家是指在名思义，专家是指在某一专业领域内，其某一专业领域内，其具有的专业知识与解具有的专业知识与解问题的能力达到很高问题的能力达到很高水平的学者。水平的学者。 专家系统：专家系统：是指是指利用存储在计算机内利用存储在计算机内的某一特定领域内的的某一特定领域内的专家知识，来解决过专家

4、知识，来解决过去只有专家才能解决去只有专家才能解决的现实问题的的现实问题的计算机计算机系统系统。其基本结构图。其基本结构图如图如图1-1。 数据库数据库知识库知识库推理机推理机解释器解释器人机接口人机接口专家专家用户用户图图1-11.2 传统传统IF-THEN规则规则基于基于IF-THEN规则的专家系统描述如下：规则的专家系统描述如下：R=x，A，D，F （1-1）1.2 传统传统IF-THEN规则规则例如：例如：IF（有毛（有毛or哺乳）哺乳）and(有爪子有爪子)and有利牙有利牙and前视前视)or吃肉）吃肉）and 黄褐色黄褐色and黑色条纹黑色条纹,THEN老虎老虎 IF和和THEN

5、之间的就是前提属性，通过逻辑与和或来连接，综合这些之间的就是前提属性，通过逻辑与和或来连接，综合这些证据，我们可以得到结论，这种动物就是老虎。证据，我们可以得到结论，这种动物就是老虎。 对于一个系统而言，通常会有许多条这样表示知识的规则，为了得对于一个系统而言，通常会有许多条这样表示知识的规则，为了得到最终目标，还需要将这些规则进行组合，关于组合在第到最终目标，还需要将这些规则进行组合，关于组合在第2章中介绍。章中介绍。1.2 基于置信规则库的专家系统基于置信规则库的专家系统 一个基本的规则库可由式（一个基本的规则库可由式（1-2）表示的一系列简单的）表示的一系列简单的IF-THEN规规则组成

6、。如果在则组成。如果在IF-THEN规则的输出部分加入置信度，并且同时考虑规则的输出部分加入置信度，并且同时考虑前提属性权重和规则权重，就可以得到置信规则。把一系列的置信规前提属性权重和规则权重，就可以得到置信规则。把一系列的置信规则集合到一起便构成了置信规则库（则集合到一起便构成了置信规则库（BRB）。）。在描述置信库时，引入了权重参数，用来表达数据和知识的不确在描述置信库时，引入了权重参数，用来表达数据和知识的不确定性，这些权值可以在知识获取阶段由专家设置：定性，这些权值可以在知识获取阶段由专家设置：前提属性权重：一个前提属性的相对重要性。前提属性权重：一个前提属性的相对重要性。规则权重：

7、反映该条规则相对于推理结果的重要性。规则权重：反映该条规则相对于推理结果的重要性。1.2基于置信规则库的专家系统基于置信规则库的专家系统1.2基于置信规则库的专家系统基于置信规则库的专家系统1. 专家系统及置信规则库专家系统的提出专家系统及置信规则库专家系统的提出2.证据推理证据推理3. 实例分析实例分析置信系统置信系统2 证据推理算法证据推理算法v学习D-S算法v学习ER算法v对比DS和ER学习目的：学习目的：2 证据推理证据推理 在工程实际中，除了定量、定性的信息，人类在决策过程中也具有不在工程实际中，除了定量、定性的信息，人类在决策过程中也具有不可替代的作用，因此综合使用定量信息和专家提

8、供的不完整的或不精确的可替代的作用，因此综合使用定量信息和专家提供的不完整的或不精确的主观信息，对决策问题进行建模和分析是非常重要的。例如，在分析大型主观信息，对决策问题进行建模和分析是非常重要的。例如，在分析大型复杂工程系统的安全性时，由于历史数据的缺乏，只能使用专家提供的信复杂工程系统的安全性时，由于历史数据的缺乏，只能使用专家提供的信息，而这些信息往往无法用定量数据描述。息，而这些信息往往无法用定量数据描述。 为了有效利用带有各种不确定性的信息和知识，实现复杂决策问题的为了有效利用带有各种不确定性的信息和知识，实现复杂决策问题的建模，建模，Yang等提出来基于证据推理算法的等提出来基于证

9、据推理算法的置信规则库置信规则库推理算法推理算法(RIMER)。 RIMER的基本思想：当输入信息的基本思想：当输入信息x到来后，利用到来后，利用ER算法对算法对BRB中的置中的置信规则进行组合，从而得到信规则进行组合，从而得到BRB的最终输出。的最终输出。 基于置信规则库的专家系统又称基于置信规则库的专家系统又称BRB系统，学习系统，学习BRB系统建模，需要系统建模，需要掌握以下两点：掌握以下两点：2 证据推理证据推理 BRB系统用到的系统用到的ER是在是在DS证据理论、决策理论、模糊理论、和传统证据理论、决策理论、模糊理论、和传统IF-THEN规则库的基础上发展起来的，传统规则库的基础上发

10、展起来的，传统IF-THEN规则在上节中已学习，这规则在上节中已学习，这里我们继续学习里我们继续学习D-S证据理论。证据理论。 证据理论是由证据理论是由DempsterDempster首先提出，并由沙佛首先提出，并由沙佛ShaferShafer进一步发展起来的一进一步发展起来的一种处理不确定性的理论，因此又称为种处理不确定性的理论，因此又称为D D- -S S理论。理论。 DS DS证据理论是一种不确定推理理论，它力图克服证据理论是一种不确定推理理论，它力图克服BayesianBayesian理论的不足，理论的不足，所以我们还要了解所以我们还要了解BayesianBayesian理论。理论。朴

11、素贝叶斯朴素贝叶斯v贝叶斯公式贝叶斯公式：该定理有两个重要假设：该定理有两个重要假设：独立性假设，即给定各个属性变量之间条件独立；独立性假设，即给定各个属性变量之间条件独立；一致性假设，即假设各个属性变量对变量的影响程度是一致的。一致性假设，即假设各个属性变量对变量的影响程度是一致的。2.1 D-S证据理论证据理论 经典的归纳概率受限于其两个假设，难以合适的表达无知，区别经典的归纳概率受限于其两个假设，难以合适的表达无知，区别不信任和缺乏信任，因此我们提出了不信任和缺乏信任，因此我们提出了D-SD-S证据理论，力图完整表达。证据理论，力图完整表达。证据理论与证据理论与BayesBayes理论区

12、别：理论区别：BayesBayes理论：理论：需要有统一的识别框架、完整的先验概率和条件概率知识，需要有统一的识别框架、完整的先验概率和条件概率知识， 只能将概率分派函数指定给完备的互不包含的假设，只能将概率分派函数指定给完备的互不包含的假设，证据理论：证据理论：用先验概率分派函数去获得后验的证据区间，证据区间量用先验概率分派函数去获得后验的证据区间，证据区间量化了命题的可信程度。可将证据分派给假设或命题，化了命题的可信程度。可将证据分派给假设或命题， 提供了一定程度提供了一定程度的不确定性，即证据既可指定给互不相容的命题，也可指定给相互重的不确定性，即证据既可指定给互不相容的命题，也可指定给相互重叠、非互不相容的命题。叠、非互不相容的命题。 注：注：证据理论满足比概率论更弱的公理系统，当概率值已知时，证证据理论满足比概率论更弱的公理系统，当概率值已知时，证据理论就变成了概率论。据理论就变成了概率论。2.1 D-S证据理论证据理论 80年