（计算机应用技术专业论文）基于事例推理及遗传算法的应用.pdf

东北大学硕士学位论文 摘要 基于事例推理及遗传算法的应用 摘要 基卜事例推理( c a s e - b a s e dr e a s o n i n g ，c b r ) 作为基于知识的专家系统 ( e x p e r ts y s t e m ) 的一个分支，它是目前人：1 二智能( a r t i f i c i a li n t e l l i g e n c e ) 研究 中一种l f 在迅速发展的推理方法。 本文首先讲述了c b r 的基本概念和原理，然后结合本文的应用背景( 罪犯 个性分析系统) ，具体的阐述了c b r 系统的核心环节：事例表示和存储、事例检 索和匹配、事例的修改和学习。 在事例表示和存储中采用了面向对象和可拓物元相结合的表示方法，有效 的解决了知识表达的问题；在事例检索中，采用了最近相邻方法，在相似度计 算中，利用基于模糊判别相似度计算方法，提高了系统的检索效率：对于最近 相邻方法的共性问题：特征权值的优化，采用了遗传算法的相关理论，利用遗 传操作对特征权值进行了优化，改善了系统的运行效率及性能。此外，文章对 c b r 与r b r 的集成推理也进行了相应的探讨。 关键字：c b r 模糊判别遗传算法罪犯个性分析 h 东北大学硕士学位论文 a b s t r a c t c a s e b a s e dr e a s o n i n ga n da p p l i c a t i o l lo f g e n e t i ca l g o r i t h mi ni t a b s t r a c t c a s e b a s e dr e a s o nin g ( c b r ) ，ab r a n c ho fk n o w l e d g eb a s e de x p e r ts y s t e m ， i sar a p i d l yg r o w i n gr e a s o n i n gm e t h o d i nt h er e s e a r c ho fa r t i f i c i a l i n t e l l i g e n o e ( a i ) t h i sp a p e rb e g i n sw i t hab r i e fi n t r o d u c t i o n t ot h ec o n c e p t i o na n d t h e o r vo fc a s e b a s e dr e a s o n i n g t h e na c c o r d i n gt ot h ea p p i c a t i o nf i e l d s ， d r i s o n e ri n d i v i d u a l i t ya n a l y s i s ，w ed e t a i l e d l yd i s c u s sth ek e yp a r to f c b rs y s t e m ：c a s er e p r e s e n t a t i o na n ds t o r a g e ，c a s er e t r i e v a la n d m a t c h i n g ， c a s ea m e n d i n ga n ds t u d y ， t h ec o 【l b i n a t i o no fe x t e n s i o n a lm a t t e ra n do b j e c t o r i e n t e d i su s e d i nc a s er e 口r e s e n t a t i o n a n ds t o r a g e ：a n dn e a r e s tn e i g h b o r m e t h o di s e m p l o y e di n c a s er e t r i e v a l ，t od 4 v e l e pt h er e t r i e v a le f f i c i e n c yw eu s e t h ef u z z y - b a s e dc a l c u l a t i o nm o d e l i ns i m i l a r i t yc a l c u l a t i o n ：w ea l s o b r i n gf o r w a r dg e n e t i ca l g o r i t h mt os o l v et h ec o m m o nq u e s t i o ni nn e a r e s t n e i g h b o rm e t h o d ：t h eo p t i m i z a t i o no fw e i g h tv a l u e ，a n d u s et h eg e n e t i c o p e r a t i o n t oo p t i m i z et h ew e i g h t v a l u es oa st oi m p r o v e t h e s y s t e m d e r f o r m a n c e m o r e 。v e r ，t h i sp a p e ra l s od i s c u s s e st h ei n t e g r a t i o no fc b r a n dr b r k e yw o r d s ：c b r ，f u z z y d i f f e r e n t i a t i o n ，g e n e t i ca l g o r i t h m ，p r i s o n e r i n d i v i d u a l i t ya n a l y s i s l l i 东北大学硕士学位论文 声明 声明 本人声明所呈交的学位论文是在导师的指导下完成的。论文中 取得的研究成果除加以标注和致谢的地方外，不包含其他人已经发 表或撰写过的研究成果，也不包含本人为获得其他学位而使用过的 材料。与我一同1 作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示谢意。 本人签名： 日期： 于建 刎竹橱6 日 蔓! 堕兰璺圭兰堡垒墨 箜二主! ! 堇 -_-，-_-_-_h-_nh_h_-_一 一 第一章引言 1 1 人工智能简介 人工智能( a r t i f i c i a li n t e l l i g e n c e ，简称a i ) 是研究怎样用计算机来 模仿人脑所从事的推理、学习、规划等思维活动，来解决需人类专家才能处理 的复杂问题“”。她是在计算机科学、控制论、信息论、神经生理学、心理学、 哲学、语言学等多种学科相互渗透的基础上发展起来的一门新兴边缘学科。她 同原子能技术、空间技术一起被称为2 0 世纪的三大尖端科技成就。 顾名思义，所谓人工智能就是用人工的方法在机器( 计算机) 上实现的智 能；或者说是人类智能在机器上的模拟；或者说是人们使机器具有类似于人的 智能。所以，人工智能就是门研究如何构造智能计算机或智能系统，使它能 模拟、延伸、扩展人类智能的科学。 人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不 懈努力。人工智能的开始可以追溯到电子学出现以前。像布尔和其他一些哲学 家和数学家建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正 引起研究者的兴趣则是1 9 4 3 年计算机发明以后的事。技术的发展最终使得人们 可以仿真人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰 到许多阻碍，但是人工智能仍然从最初只有十几个研究者成长到现在数以千计 的工程师和专家在研究；从一开始只有一些下棋的小程序到现在的用于疾病诊 断的专家系统，人工智毹的发展有目共睹。 近期人工智能的发展目标主要是研究如何使现有的计算机更聪明，即使它 能够运用知识去处理问题，能够模拟人类的智能行为，如推理、思考、分析、 决策、预测、理解、规划、设计和学习等。为了实现这一目标，人们需要根据 现有计算机的特点，研究实现智能的有关理论、方法和技术，建立相应的智能 系统。 目前人工智能正处于蓬勃发展当中，并且已经取得许多研究成果。同时人 工智能的研究更多的是结合具体应用领域来进行的，几个主要的应用领域如下： 东北走学硕士学位论丈 争家系统( e x p e r ts y s t e m ) ： 自然语吉理解fn a t u re 【a n g u a g ( 机器人学( r o b o t jc s ) ： 数据库的智能丰；j ：索( 【n t e l 【l g e n t 博弈( g a m ep l a y i n g ) ： 定理证明( t h e o r e mp r o v in g ) ： 自动程序设计( a t l t o m a t lcp i o g r a m m i n g ) ： 组合调度问题( c o m b i n a t o r j a lar i d s c h e d u l i n gp r o b l e m s ) 感知问题( p e r c e p i o f fp r o b le m s ) 。 在以上几个应用领域中，专家系统和自然语言理解是目前计算机领域较为 热门的话题，他们在众多领域得到了广泛的应用，下面简单介绍一下专家系统。 1 2 专家系统简介 专家系统( e x p e r ts y s t e m ) 或基于知识的系统( k n o w l e d g e b a s e ds y s t e m ) 是人工智能领域中最成功的研究之一，它是一个具有大量的专门知识，并能够利 用这些知识去解决特定领域中需要由专家才能解决的那些问题的计算机程序。 专家系统实现了人工智能从理论研究走向实际应用，从一般思维规律探讨走向 专门知识运用的重大突破，是人工智能发展历史上的一次重要转折。自1 9 6 8 年 费根鲍姆等人研制成功第一个专家系统d e n d r a l 以来，专家系统技术己经获得 了迅速的发展，并广泛应用于医疗诊断、图像处理、地质勘探、实时监控、金 融决策、计算机科学等众多领域“。 专家系统可以根据某个应用领域的一个或多个人类专家提供的知识和经验 进行推理和判断，模拟人类专家的决策过程，以解决那些需要人类专家决定的 复杂问题。专家系统与传统的计算机程序最本质的区别在于，专家系统所要解 决的问题一般没有算法解，并且往往要在不完全的，不精确的和不确定的信息 基础上做出结论。它有如下一些基本特征： ( i ) 具有专家水平的专门知识：一个专家系统为了能够像人类专家一样 的工作，必须具有专家级的知识，知识越多，质量越高，解决问题能力越强。 ( 2 ) 能进行有效的推理：在专家系统中，问题的求解过程是一个思维过 程，即推理的过程，因此专家系统不仅能做一般的逻辑推理，而且能利用问题 2 i i ， ，一 3 4 5 6 7 8 9；( 东北赶学硕士学位论炙第一章引言 的启发性信息进仟启发式的检索、试探性推理以及不精确推理、不完全推理等。 ( 3 )具有知识抉礅的能力；专家系统的基础是知识为了得到知勘! 就必 须提供获取知识的手段，从而使系统自身具有学习的能力，能从系统运行的实 践中不断总结 * 新的知识，使知谤! 库中的知识越束越丰富、完善。 ( 4 )具有灵活- 性：在绝大多数专家系统中都采用r 知识库与推理机构相 分离的构造原则，彼此相对独立。返就使得知识的更新和扩充比较方便，不会 因某一部分的变动而牵动全局。系统运行时，推理机构可根据具体问题的不同 特点选取不同的知识构成求解序列，具有较强的适应性。 ( 5 ) 具有交互性：专家系统般是交互式系统，一方面它需要领域专家 或知识工程师对话获取知识，另一方面它也需要与使用它的用户对话以索取证 据或回答用户提出的问题； 针对专家系统的功能与特点，可以用图l _ 1 来表示专家系统的一般结构。 图11 专家系统的一般结构 f i g ilb a s i cs t r u c t u r eo fe x p e r ts y s t e m 专家系统区别于常规程序的一个重要标志是它能运用专家系统的知识进行 推理，能从一种判断推出另一种判断，不断向目标逼近。目前，专家系统的推 理方法主要有两种，基于规则的推理( r u l e b a s e dr e a s o n i n g ，简称r b r ) 和基于 事例的推理( c a s e d b a s e dr e a s o n i n g ，简称c b r ) 。 1 2 1 基于规则推理简介 基于规则推理( r u l e b a s e dr e a s o n i n g ，简称r b r ) 是目前多数专家系统所采 3 东北大学硕士学位论丈 第一章引言 用的推理机制。基于规则推理的专家系统主要由两部分组成：知识库和推理机， 知识库用来存储从专家那里得到的关于某一领域的专门知识，推理机具有推理 的能力，即能够根据知识推导出结论，而不是简单的去搜索现成的答案。 在基于规则的专家系统中，其推理原理如图1 2 所示。一个问题的求解过 程是这样的：当给定一个条件时，推理机在知识库中，从头一条将它与各知识 基进行比较，如果匹配，则完成该步推理，且继续进行下一步的推理，若在整 个知识库无匹配的知识基，则结束推理，这样使问题得到求解。 图12 基于规则专家系统推理模式 f i g ，1 2r e a s o n i n gm o d e lo fr u l e b a s e dr e a s o n i n ge x p e r ts y s t e m 1 2 2 基于事例推理简介 基于事例的推理( c a s e - g 矗s e dr e a s o n i n g ，c b r ) 是目前人工智能研究中一种 正在迅速发展的推理方法，自从7 0 年代末8 0 年代初兴起之后直受到人工智 能研究者的高度重视“1 。它是一种相似推理方法，核心思想是用过去的事例和 经验来解决当前的问题。 一个典型的事例推理过程可以归纳如下”3 ： ( 1 ) 按照一定的形式向系统描述当前事例。 ( 2 ) 从事例库中检索出与当前问题相应的事例。 ( 3 ) 若该事例与当前事例完全匹配，输出该事例的求解方案，否则修正 该事例，形成当前问题的求解。 ( 4 ) 对当前问题的求解进行评价。 ( 5 ) 将新的事例加入到事例库中，备以后求解问题使用。 4 蔓! ! 垄兰堡主兰堡堡墨 苎二主! ! 主 具体过程如图1 3 所示。 ji 修正后的解匹配事例的解决方案 图1 3 基于事例推理的一般过程 f i g 1 3b a s i cp r o c e s so fc a s e b a s e dr e a s o n i n g 众所周知，知识获取的“瓶颈”问题妨碍了专家系统的快速开发。而基于 事例的推理( c b r ) 充分利用另一种知识资源：以往设计成功的例子或专家经验。 它以事例的形式来体现知识，从而克服了知识获取的困难问题。 1 3 本文主要内容及组织结构 本文探讨了基于事例推理循环的基本过程，并且结合辽宁省某监狱罪犯个 性分析系统对循环中的各个核心环节进行了研究。在事例表示中采用了面向对 象与物元可拓相结合的方法，有效的解决了知识表达的问题；在事例检索中， 采用了最近相邻方法，在相似度计算中，利用基于模糊判别相似度计算，确保 了系统的检索效率；对于最近相邻相似度计算中的共性问题：特征权值的优化， 提出了一种新颖的基于遗传算法的特征权值优化模块，改善了系统的整体运行 效率及性能。 本文的组织结构如下： 第一章：引言，概要介绍人工智能与专家系统的相关理论。 5 东北大学硕士学位论文第一章引言 第二章：介绍了基于事例推理循环的基本过程、基于事例推理与基于规则 推理的区别及优点和基于事例推理的发展前景等。 第三章：介绍了知识表示的一般方法，重点阐述了面向对象表示方法和可 拓物元的知识表示方法。 第四章：介绍了基于事例推理系统的整体结构，事例表示方法，研究了事 例检索中最近相邻方法的相似度计算的方法以及实验系统的运行结果。 第五章：给出了基于遗传算法的特征权值优化方法，详细介绍了优化模块 的执行过程。 第六章：介绍了基于事例推理与基于规则推理集成专家系统的基本概念和 设计。 6 东北大学硕士学位论文 第二章基于事例推理概述 第二章基于事例推理概述 2 1 基于事例推理概述 基于事例的推理( c a s e b a s e dr e a s o n i n g ，简称c b r ：) 是基于知识的专家 系统( k n o w l e d g e b a s e ds y s t e m s ，简称k b s ) 领域中的一个分支。它的基本思 想是参照过去的事例( c a s e ) 来处理当前面临的新问题。这种系统能在自己的 事例库中搜索以前解决过的类似事例，根据当时做过的决策及其后果对眼前的 新问题提出合理的建议。从思维科学的角度看，人的思维主要有三种形式：形 象思维、逻辑思维和创造思维。其中人们使用最多的直觉、顿悟和灵感属于形 象思维，它是研究人类思维的突破口。事例推理是人类三种思维的一种综合表 现形式，所以研究事例推理有助于对人类恩维机理的认识。事例推理也符合人 的认知心理：当遇到一个新事物时，专家并不仅仅看到一个具体问题，他会产 生跃想，然后把事物归类，从中找出以往处理过的类似问题经验和相关知识， 经过定的修正去处理新事物。 基于事例推理起源于认知科学中记忆在人类推理活动中所扮演的角色， 1 9 7 7 年s c b a n k 和a b e l s o n 在这方面的工作被认为是c b r 的起源”1 。随后美国 耶鲁大学r o g e rs c h a n k 又探索了记忆中的事仍在问题解决和学习中的作用， 于1 9 8 2 年在 d y n a m i cm e m o r y ”1 一书中提出了c b r 认知模型以及在此基础上 k o l o d n e r 开发的第个实际c b r 应用系统c y r u s 。在8 0 年代后期，美国的d e r p a 项目导致了r e m i n d 系统的产生，这被认为是c b r 从认知科学向人工智能方向的 转变的标志。如今，c b r 已作为入工智能的一种主要推理技术。由于c b r 自身 的特点使其在众多的领域都得到了较为广泛的应用。1 9 8 7 年以来国际研究界每 年举行c b r 研讨会，先后在通用问题求解、法律事例、医疗诊断、医药等领域 证明了c b r 方法的有效性和实用性。1 。 基于事例推理在许多方面都有别于其他的人工智能方法。与单独依赖于问 题领域中的般性知识，或在问题描述与结论之间建立一般性联系的传统a i 方 法所不同的是，c b r 能利用过去有经验的和具体事例相关的特定知识，一个新 问题的解决是通过寻找一个与之相似的以往事例，把它重新应用到新问题的环 境中来；另一个明显的不同在于，c b r 还是一个持续的、渐进增长的学习过程， 一旦解决了一个新问题，就获得了新的经验，可以用以解决将来的问题a 7 东北大学硕士学位论文第二章基于事例推理概述 一个c b r 系统由事例索引机制，检索匹配机制，事例改写和事例库等核一d 模块组成，如图2 1 所示。 盈 图2 1c b r 系统的基本结构 f i g2 ib a s i cs t r u c t u r eo fc a s e b a s e dr e a s o n i n g 其中事例库提供支持问题求解的一组事例，它是系统过去进行问题求解经 验的聚集。根据问题描述，事例检索匹配机制从事例库中查找一个与当前问题 相匹配的事例，如果该事例满足问题描述的要求，则将相应的结果输出，否则 根据问题描述，对检索出的事例进行修改，事例修改的结果形成一个完全满足 问题描述的答案，该结果同时作为一个新的事例经索引机制组织到事例库中以 各将来使用。 2 2 基于事例推理 首先介绍有关事例推理的一些概念“， 定义2 1事例( c a s e ) 是过去一定条件下，满足特定要求的设计结果。 c = ( g ，i ，c0 ，r ) 其中c 表示事例( c a s e ) ，g 表示设计目标( g o a l s ) ，i 表示设计初始条件( i n i t i a l s t a t e ) ，c o 表示设计约束( c o n s t r a i n t s ) ，r 表示设计结果( r e s u l t s ) 。 从上述定义可以看出，一个设计事例至少包含如下几个方面： ( 1 ) 设计目标：决定了事例的根本性质，决定了设计采用的技术路线和 最终结果。 8 东北大学硕士学位论文第二章基于事例推理概述 ( 2 ) 仞始条件：指定了该事例产生的环境特征。 ( 3 ) 设计约束：指明了该事例在达到设计目标的同时应满足的条件。 ( 4 )设计结果：是设计活动的最终反映，表现为一系列属性与属性值得 配对，或表现为一系列行为的规范，或是设计失败的教训。 定义2 2事例空间( c a s es p a c e ) 是所有事例的集台，每个事例是事例 空间的一个元素，事例空间代表了过去针对各种设计要求的设计结果。 c s = c 。li = l ，2 ，n 其中c s 表示事例空间，c ，表示c s 中的任一事例元素，n 表示c s 中的事例个数。 定义2 3 事例库( c a s eb a s e ) 是事例空间的物理体现，表现为事例的有 序组织和管理。事例库应该包含有事例信息，事例的索引和事例间的关联。 c b = ( c nc c 。) 其中c b 表示事例库，c 。表示事例信息，c 。表示索引，c 。表示事例间关联。 定义2 4事例索引( c a s ei n d e x ) 是事例的浓缩和代表，是一个事例区 别于其他事例的重要标志。 c = f ( x 。，x 。，x 。) n 0 其中c 。表示事例索引；x 。、x 。、x 。表示影响c ，所代表事例的r 1 个属性； f 表示c i 关于x ( 1 i n ) 的函数。 2 2 1 基于事例推理基本过程 基于事例的推理过程主要由问题描述、事例检索、事例匹配、事例修正、 事例学习及事例保存等组成“，如图2 2 所示。 问题描述又称为事例表示，它是将待求解问题用合理的知识表示形式在计 算机中表达出来，以便于进一步处理。 事例检索是根据当前的问题从事例库中检索出相似的事例或事例集。 事例匹配是从检索出的事例中获得若干个求解方案，判断是否符合当前的 求解需要，若符合，则直接利用这些方案解决问题；否则，对所检索出的事例 进行修正。 事例修正是指如果事例库中现存的事例与所要求解决的问题存在差异，那 么就需要对这些事例组合进行修改，使之适合于求解当前的问题，得到解决当 前问题的新方案。 事例学习是指对求解结果进行分析评价，若求解结果可以接受，则保存事 9 东北大学硕士学位论丈 第二章基于事仍i 推理概述 例，得到问题的解；否则，重新对事例进行匹配和修正。 事例保存是将当前问题及其求解方案形成新的事例，根据一定的策略加入 到事例库中。 图2 2 基于事例推理的过程 f i g 2 2p r o c e s so fc a s e b a s e dr e a s o n i n g 2 2 2 事例表示和存储 在c b r 系统中，问题求解的状态及其求解策略用一个事例来表示。最初的 事例表示借鉴经验在大脑中的记忆形式，采用剧本的方式，以期可以立体她表 示记忆。但在实践中人们发现这种方法容易引起相近事例间的混淆。不足以刻 画人类的记忆。在实践和理论的研究中，逐渐采用其他一些表示方法，如框架 表示法、文本方式、因果关系图、语义网等。 事例的存储形式是影响c b r 系统效率的关键。事例组织的合理，事例检索 系统就能够迅速的从事例库中检索出所要的事例，从而使效率提高。 从根本上讲，事例被描述为导致特定结果的系列特征。对于复杂的形式， l o 东北大学硕士学住论文 第二章基于事例椎理概述 一个事例还可以由许多子事例组成。事例的表示需要从方法和内容上分别把握。 用于描述事例的各个特征，在内容上可以分为以下三个部分：问题情景描述 ( p r o b l e ms i t u a t i o nd e s c r i p t i o n ) ，求解( s o l u t i o n ) 及最后结果( o u t c o m e ) 。 一个事例中不一定包含全部三个部分，具体包含这三个部分中的哪一部分，决 定了事例可用于解决哪些问题。 事例中包含的许多信息对以后的推理十分有用，例如结果( o u t c o m e ) 中既 可以包含执行解方案后的结果，还可以包含对这种结果的解释及修正解的方法 等，这些信息可以为以后修正失败解做出指导。 2 ，2 3 事例检索和匹配 当系统遇到新的情况需要解答时，系统要在事例库中找到一个与新情况最 为相似的事例，这个过程称为检索。宏观上，c b r 系统的检索方法分为串行和 并行两种策略。串行检索中，事例多是按照层次结构组织的，检索时采用一种 自顶向下逐层求精的方式，越往下，相似程度越高：并行检索策略就是同时检 索多个事例。返回一个相似程度最高的事例。 事例的检索过程实质是相同属性的事例的匹配过程。所谓事例的匹配过程， 就是将新事例的初始特征集与事例库中旧事例的特征集进行比较，匹配的结果 分为两种情况：完全匹配和近似匹配。如果能在当前的事例库中找到某个事例， 它的特征集与新事例的特征集完全相弱，就称为完全匹配：如果特征集是部分 相同或者相似，就称为部分匹配。 检索和匹配在c b r 推理过程中至关重要，对系统的效率有很大影响。如果 选择了一个恰当的检索匹配算法将使系统的效率得到明显的提高。 2 2 4 事例修改和学习 c b r 系统通过事例检索和匹配从事例库中找到与输入情况最类似的旧事例， 该旧事例通常会与新情况有很大差异，这时就需要将旧事例作为新情况的参考 解，对该参考解做适当的修改以适合于被求解的问题，从而得到新情况的解。 应当指出的是，这种修改不是针对事例库中已存在的旧事例本身进行修改，即 旧事例在事例库中仍然存在，对1 日事例的修改结果是产生个新的事例，并将 其存储到事例库中，这就是事例修改过程。 利用c b r 求解一个新的问题，或对新情况进行分类后，新的情况连同它的 东北大学硕士拳位论丈 第二章基于事例推理概迷 解答组成r 一个新的事例，这个事例可以存到已有的事例库中，使它能在将来 被调出束进行基于事例的推理，这时我们认为c b r 学到了颞的解题经验，随着 事例库的不断增长，c b r 的知识不断丰富，解题能力也不断增强。 2 3 基于事例推理评述 2 3 1c b r 和r b r 的区别 在某种程度上，我们可以把基于事例推理看作一类基于规则的推理，只不 过可视作其中的规则特别多，规则推理的先行条件只需要部分匹配，而结果在 被使用前需要被充分调整。 但是毕竟基于事例的推理和基于规则的推理是两种不同的推理策略，它们 存在明显的差异： 基于规则的推理：规则库内的规则是模式， 基于事例的推理：事例库内的事例是常量： 基于规则的推理：检索到的规则需要精确匹配输入量， 基于事例的推理：检索到的事例只需要部分匹配输入量； 基于规则的推理：规则适用于小事件的循环迭代， 基于事例的推理：首先取得事例，一次性估计出整个解决方案，然后调整 出最终解： 基于规则的推理：规则是一些小尺寸，独立且连续的领域知识， 基于事例的推理：事例是由大量的领域知识组成，可能会有冗余。 2 3 2c b r 系统优越性 首先举个实际例子来讲： 当人l j 选择医生看病时，我们更愿意选择年长的，为什么昵? 固然，剐毕 业的医生有最新的诊断和治疗知识，而且比有经验的老医生有更多的前沿书本 知识：但我们更愿意选择老医生，因为老医生已经见过和治疗过许多与我们有 类似疾病的病人。从本质上讲，我们考虑医生的经验时，更多的是根据他们曾 处理过多少病例，而不是他们懂得的治疗知识。基于事例的推理与医生看病有 相似的原理，它是人工智能技术的最新进展，符合专家迅速、准确地求解新问 题的过程，因而这种从过去的相关事例推理的思想非常吸引人。 和基于规则推理相比，基于事例推理有许多优点： 1 2 东北大学硕士学位论文 第二二章基于事例推理概述 ( 1 ) 问题的唯一精确表示是其本身，事例能比一组规则提供更多的信息， 这是因为人认识的主观性和有限性，从大量事例归纳出来灼规则只是取出了事 例的共同本质。 ( 2 ) 事例推理是一种增量式学习方法，随着事例的增加，事例库的覆盖 度( 求解问题的范围) 逐渐提高；同时由于事例比规则获取容易，不需要完整的 领域模型，使事例推理逐步实用化。 ( 3 ) 直接复用过去的求解经验( 成功的和失败的) ，不需要完整的领域模 型，也不必像产生式推理那样从头开始，避免了匹配冲突和组合爆炸问题，求 解效率高。 ( 4 ) 事例推理是类比推理的子类，它具有类比推理的基本特点，它能够 充分发挥人的创造思维，对难以充分理解领域作出假设和预测，并指导人们避 免重犯过去的错误。 ( 5 ) 从实现角度讲，事例推理能兼顾专家的偏好，而产生式系统的柔性 不足。 2 3 3c b r 系统目前的问题 在c b r 的研究中更多的是方法层次上的研究。应该说，目前c b r 的研究各 方面都有待加强，如事例的录入、表示、检索、重用等方面具体的方法等“3 1 。 从宏观点的角度看，c b r 存在的根本问题在于： ( 1 ) 没有严密的理论：尽管c b r 有认知科学和人工智能等一些相关的支 持，但依然没有严格意义上的理论。这也导致了诸如事例重用很难有较通用的 技术。 ( 2 ) 没有真正意义上的智能：目前的系统和技术，使得在实际的系统运 行中，一定要有人的参与才行，除了在事例检索上比较成熟外，其他各个方面 均需大力发展，事例的检索也需不断的改进。 这些方面要解决的问题不仅仅是c b r 本身要解决的问题，有些涉及的问题 也是人工智能中的一些瓶颈。随着认知科学和脑科学以及人工智能本身的研究 的深入和突破，这些问题也有望随之而解。 2 4c b r 发展前景 由于c b r 是一种方法而非一种枝术，这种界定使c b r 成为一个开放的系统， 1 3 东北大学硕士学位论文 第二章基于事例推理概述 不断地吸收各种新的技术和方法，更有利于c b r 本身的发展。从功能上说，c b r 将更多作为一个智能邦件和其他方法构成的部件配合使用，以期发据各自的长 处。 在具体领域中，一个较有前景的应用是和网络技术的结合。1 9 9 6 年召开的 第四次“设计中的人工智能”国际会议，与会代表把c b r 和w w w 的结合视为一 个发展的新方向。以色，bo x m a n 博士提出了以下研究方向“”： ( 1 ) 作为个全球性的事例库网络； ( 2 ) 协同开发和使用事例； ( 3 ) 事例在网络中的表达； ( 4 ) 在网络上的事例分析，在网络上事例获取： ( 5 ) 从网络资源来进行事例调整； ( 6 ) 设计搜索机； ( 7 ) 图形方式的事例检索； ( 8 )自动索引和链接； ( 9 ) 作为网络交互的认知模型。 c b r 的另一个发展前景是在知识管理上的应用。知识大体上可分为隐性知 识和显性知识。显性知识只是知识中的一小部分，在对现实世界的探索中，把 握和使用隐性知识，并不断地把它转化为显性知识则更有意义。 c b r 中的事例则是一段相对完整的知识片段，其中包含着深层次的和不易 提取的知识，即隐性知识。尽管没有明确的规则，但其行动的步骤解决方法中 休现了该领域的规律。 1 4 东北大学硕士学位论文 第三章知识表达方式 第三章知识表达方式 6 0 年代中期专家系统作为人工智能的一个应用领域出现，使得人工智能研 究从实验室走向了现实世界。在专家系统的开发过程中，知识获取、知识表示 和知识运用是3 个核心部分。其中知识表示已经成为人工智能的个核心研究 课题。 3 1 知识表示概述 3 1 1 知识表示定义 所谓知识( k n o w l e d g e ) 就是人通过实践认识到的客观世界中的规律性东西。 它反映了客观世界中事物之间的联系。知识是信息经过加工整理、解释、挑选 和改造而成的。 知识表示( k n o w l e d g er e p r e s e n t a t i o n ) 是研究用什么形式将领域知识存入 计算机以便进行处理的方法。它是将领域知识概念化、形式化与符号化的过程， 其主要目的是寻找知识与表达之剃的映射关系，并将知识转化为计算机内部的 表示形式。知识表示主要包括两个过程： ( 1 ) 现实世界的领域知识抽象为信息世界的概念化、形式化模型。 ( 2 ) 将信息世界的概念化、形式化模型转化为机器世界的知识表示模型。 3 1 2 知识表示方法 迄今，在人工智能领域已经提出了多种知识表示的方法，较为常用的有： 自然语言表示、谓词逻辑表示、语义网络表示、框架表示、面向对象表示等“。 ( 1 )自然语言表示：利用文字和语言表达思想的能力是人类与其它动物 的主要区别之一，自然语言是现实中我们所有表达方式中最为强有力的方式。 ( 2 ) 谓词逻辑表示：在各种知识表达方法中，谓词逻辑方法是用得比较 广泛的一种，尤其是一阶谓词逻辑表示。其知识库可看成是一组逻辑公式的集 合，知识库的修改是增加和删除逻辑公式。 ( 3 ) 语义网络表示：采用语义网络表示的知识库的特征是利用带标记的 有向图描述可能世界。结点表示客体的性质、概念、状况或动作，带标记的边 1 5 东北大学硕士学位论文 第三章知识表达方式 描述客体问的关系。知识库的修改是通过插入和删除客体及其相关的关系实现 的。 ( 4 ) 框架表示：框架是把某一特殊事件或对象的所有知识存储在一起的 一种复杂的数据结构。它包含过去定义的内在关系的说明信息和过程信息及未 来情况，依靠它们可以利用以前的知识解释新的数据，这种知识组织方式有利 于“期望制导”的处理，即人们所在的特定环境寻找期望的事情。 上面我们简述了几种知识表示方法，一般认为“在计算机科学中，一个好 的解决办法往往依赖于一种好的表示”。而对大多数人工智能的应用而言，要选 择一种合适的表示甚至更加重要，也更困难，因此至今尚缺乏一些普遍适用而 且有效的评判准则。下面介绍一下在本文的知识表示中用到的两种方法。 3 2 面向对象知识表示 3 2 ，1 面向对象表示法基本思想 客观世界的问题都是由客观世界的事物及事物之间的相互关系构成的“”。 从面向对象的角度来看，人们在认识问题和分析问题时，可以把问题分解为一 些对象( o b j e c t ) 以及对象之间的组合和联系。面向对象中的主要概念有对象， 消息、方法、类和类层次。 ( 1 ) 对象、消息和方法：从广义上讲，所谓“对象”是指客观世界中的 任何事物，即任何事物都可以在一定前提下成为被认识的对象，从问题求解角 度来讲，对象是与问题领域有关的客观事物。由于客观事物都具有其自然属性 及行为，因此，当把与问题有关的属性及行为抽取出来加以研究时，相应客观 事物就在这些属性与行为的背景下成为所关心的对象。 在面向对象的知识系统中，一个对象具有的知识组成了该对象的静态属性， 一个对象所具有的知识处理和各种操作描述了该对象的智能行为。按照面向对 象方法学的观点，一个对象的形式定义可以用如下四元组表示： ( 对象) ：= ( i d ，d s ，m s ，m i ) 也就是说，一个完整的对象由该对象的标识符i d 、数据结构d s 、方法集合m s 和消息接口m i 组成。对象的标识符i d ( i d e n t i f i e r ) 又称对象名，用以标识一 个特定的对象。对象的数据结构d s ( d a t as t r u c t u r e ) 描述了对象当前的内部 状态或具有的静态属性，常用一组( 属性名：属性值) 表示。对象的方法集合 1 6 东北大学硕士学位论丈 第三章知识表达方式 m s ( m e t h o ds e t ) 用以说明对象具有的内部处理方法或操作。操作分为两类，一 类用以对内部数据进行操作，从而改变对象的当前状态；另一类用于产生对外 的输出。对象的消息接r 丁m i ( m e s s a g ei n t e f f a c e ) 是对象接收外部信息和驱动 内部有关操作的唯一对外接口。这旱的外部信息称为消息。消息接口以消息模 式集的形式给出，每一消息模式有一个消息名，通常还包含必要的参数集。当 接收者从它的消息接口受理发送者的某一消息时，首先要判断该消息属于哪一 消息模式并找出与消息模式相联系的内部操作，然后执行内部操作，进行相 应的消息处理或产生向外的输出消息。 ( 2 ) 类和类层次：类( c l a s s ) 在概念上是一种抽象机制，它是对一组相似 对象的抽象。具体地说，在一组相似的对象中，会有一些相同的特征( 包含部 分相同的数据和操作) ，为了避免相同数据和操作的重复描述及存储，就把共 同的部分抽取出来构成一个类。一个类的上层可以有超类( s u p e r c l a s s ) ，下 层可以有子类( s u b c l a s s ) ，从而形成一种层次结构，称为类层次。超类和子 类同样是类，它们可以建立各自的实例。类层次的一个重要特性是继承性，即 一个类可以继承其超类的全部描述，且这种继承具有传递性，从而，一个类可 以继承层次结构中在其之上的所有类的全部描述。因此，属于某个类的对象除 了直接具有该类所描述的特性外，还通过继承具有该类上层所有类描述的全部 特性。 下面给出用面向对象方法表示知识的一种描述形式： c l a s s 【： 】 【 】 s t r u c t u r e m e t h o d r e s t r a i n t 【 】 e n d 其中，c l a s s 是类描述的开始标志， 是该类的名字，它是系统中该 类的唯一标识， 是可选的，当该类有父类时，用它指出父类的名字。 1 7 东北犬学硕士学位论丈 第三章知识表达方式 是组变量名构成的序列，浚类中所有对象都共享这些变量，对 该类对象来说，这些变量是它们的全局变量，当把这些变量实例化为一组具体 的值时，就得到了该类中的一个具体的对象，即一个实例。s ir u c t u r e 后面的 用于描述该类对象的数据结构。m e t h o d 后面的 用于定义浚类对象可施行的各种操作，r e s t r a i n t 后面的 指出该类对象所应满足得限制条件，可用包含类变量的谓词或其他形 式的条件表达式表示。若没有限制条件，则表示没有限制。 3 2 2 面向对象表示法特点 面向对象表示方法作为人类认识自然和世界的一种新颖的方法与传统的表 示方法具有很大的差别，它具有以下特点。 ( 1 ) 封装性：对象就是被封装的数据和操作。每个对象的内部状态不允 许其它对象直接引用和修改。对象的内部状态和方法对外界是隐蔽的。一个对 象的外部特性只由对象的所有消息模式及相应于每个消息模式的处理功能来定 义。面向对象表示的封装性使得用户只需知道对象的外部特性而无需了解其内 部细节就可以适用它。 ( 2 ) 模块性：显式地把对象的外部定义和对象的内部实现分开是面向对 象表示的一大特色，这种现象的封装性就是模块性。公开模块的外部定义和隐 藏模块的内部实现，使面向对象的软件系统便于维护和修改。 ( 3 ) 继承性：面向对象表示的继承性使子类可继承其父类的数据和操作， 从而可以把每个子类拥有的数据和操作分为两部分，一部分是从父类继承过来 的共享数据和操作，另部分是子类自己私有的数据和操作。 在面向对象的程序设计中，程序设计就是定义对象并建立对象间的通信关 系，类是系统的基本构件。如果开发设计的面向对象系统的功能需求发生变化， 通常较少波及到对象类的设计与实现，更多的是影响到它们的组装形式，因此， 实现的系统基本构件无需修改或少量修改后仍可使用，从而可采用快速原型法 构造系统，以及对系统进行优化和增量开发。 3 3 知识的物元表示法 目前，国内外许多专家学者都致力于知识表示的研究，近年来发展起来的 新学科“可拓学”为知识表示提供了一种新的可供参考的方法”“。在客观世界 】3 东北大学硕士学位论文第三章知识表达方式 中，存在着的一。切事物都是质与量的统一体。事物中的质变和量变是紧密联系， 互相制约的。经典数学从客观事物中抽象出它的量与形，研究事物的数量关系 和空间的形式，撇去了事物的质的方面。要解决矛盾问题，既要考虑质的变换， 又要考虑量的变换。运过大量的事例分析发现，要寻求解决矛盾闷题的形式化 方法，只考虑事物的量变是不够的，必须将事物，事物的特征及相应的量值作 为一个整体束研究，运用定性与定量相结合的方法去解决矛盾问题。为此，可 拓学引入了把质和量相结合起来的物元概念，它是事物，特征及事物关于该特 征的量值三者所组成的三元组，记作 r = ( 事物，特征，量值) = ( n ，c ，c ( n ) ) 物元的概念f 确的反映了质与量之间的关系，我们以它作为可拓学的逻辑 细胞。引进了物元，就可以更贴切地描述客观事物变化的过程，更合理的将知 识表达出来。 3 3 1 物元简介 ( 1 ) 物元定义： 物元是描述事物的基本元“。它以事物的名称，特征的名称及相应的量值 所构成的三元组来表示。 即：物元= ( 事物的名称，特征的名称，量值) ， 通常用符号记作：r = ( n ，c ，v ) ，很明显，以下3 个例子就是物元 r 。= ( 学生a ，性别，男) ， r ：= ( 广州市，人口数量，5 0 0 万) r 。= ( 东北大学，位置，沈阳) 根据物元的定义，物元的三要素n ，c ，v 之问的关系用式子v = c ( n ) 来表示，如： 男= 性别( 学生a ) 5 0 0 万= 人口数量( 广州市) 沈阳= 位置( 东北大学) 等等。 因此，物元也可表示为r = ( n ，c ，c ( n ) ) 。 物元是一个非常重要的概念，它把事物，特征和量值放在一个统一体中考 虑，使人们处理问题时既要考虑量，又要考虑质。同时，物元中的事物是有内 部结构的。物元三个要素的变化和事物内部结构