第七章 基于CBR的IDSS实例.ppt

,期末考试方式及分数比例,60%：其末开卷考试(名词解释、选择填空、判断、简答题等）15%：每次课后小测验奖励等：根据课堂提问情况15%：认真阅读一篇计算机核心刊物上有关“智能决策支持系统”研发的科技文献（2004年至2006年，尽量阅读较新的文献），并复印上交，写明期刊名称、卷号、期号、学生自己的学号、姓名。计算机核心刊物如：软件学报、计算机学报、计算机研究与发展、计算机科学、小型微型计算机系统等等。10%：考勤,基于范例推理(CBR)的IDSS模型,复杂问题的决策，如医疗诊断(胃肠镜)、各类事故处理、银行贷款管理(个人收入情况、抵押)等，一般是在信息不完全的情况下进行的。根据HSimon(西蒙)的有限理性理论，由于人类的主观认识局限性和环境的复杂性，开始很难得到决策所需要的全部信息，这就需要不断收集证据。用以前的范例作指导，通过向环境学习(还可以通过因果推理模型，如对司机喝酒、疲倦等方面进行测试)，逐渐消除信息的不完整和不确定，并不断地反馈到决策中，最终得到问题的满意解。具体步骤如下：,Step1：决策用户在计算机辅助下，抽取问题的主要特征，寻求类似问题的解决经验，即源范例。Step2：根据问题的相似程度、问题所处的环境等因素，决策用户分析并修正源范例的解，生成问题的初始观点。Step3：如果范例匹配失败(找不到相似)或决策用户对源范例的解不满意时，决策用户在计算机的帮助下，确定问题分解子目标，根据子目标获取深层信息(知识)，然后，由基于规则推理机获取子问题的决策知识，合并或扩充观点，形成问题的解，重复此过程，直到得出问题的满意解。,交通事故处理智能决策支持系统(YCIDSS),公路交通事故处理的核心是事故成因分析，而造成事故的因素错综复杂，涉及人、路、车、环境等，是个复杂问题，不仅需要分析基本信息，还要严格依据法律法规，是各种因素综合作用的结果，信息具有随机性、模糊性和不确定性，其知识难以表达、因果关系难以把握，仅用基于规则的推理方式是不够的。另一方面，专家在交通事故处理中已积累了丰富的经验，存在着大量的实际范例。因此，采用基于范例推理(CBR)和基于贝叶斯网推理(Baye，)模型相结合的方案，以及多库协同(知识库(包含法律法规等)、数据库、模型库、范例库、方法库等)、基于语义网络的联想推理、基于神经网络的范例检索等技术，研制开发交通事故处理智能决策支持系统。,交通事故处理智能决策支持系统(YCIDSS),交通事故处理的目的是寻找造成事故的直接和间接原因，从而依法准确地确定事故各方当事人的责任，以正确处理交通事故。同时，从中总结经验、吸取教训，制定防止类似事故的措施和对策(路边设置警示牌，减速)。,含有范例匹配算法和修正规则，指导范例调整,完成范例模型的调用补充信息供范例修正使用,有关法规。支持范例检索、范例分析、范例修正,人机界面：完成人机交互、问题描述、结果显示和系统总体控制。CBR引擎：由范例库及范例库管理系统组成，含有范例匹配算法和修正规则，指导范例调整，其范例在系统运行中不断扩充。知识库系统：由产生式规则组成，包括专家经验和以规则形式表示的有关法规。支持范例检索、范例分析、范例修正等。模型库系统：由三部分组成，即模型库、算法库、模型库管理系统组成。完成范例模型的调用，并把结果综合，送入智能人机系统显示，作为补充信息供范例修正使用。多库协调器：根据问题求解的需要，按照一定的数据抽取策略，完成问题求解过程中对模型库系统、方法库系统、知识库系统和数据库系统的调度与协调，完成模型的链接运行、知识调度、信息查询等决策处理。在系统中可以采用目标驱动型多库协同机制，由当前信息需求动态激活。其工作机制如下：根据用户提出的决策目标确定模型决策方式或知识决策方式或信息查询方式，不同的决策方式采用相应的推理模式，然后给出此模式下的决策结果。,YCIDSS的系统目标与功能,把负责交通事故处理的专家知识及经验转化为系统知识放入知识库，借鉴范例库中的相似交通事故范例的处理方案，对新的交通事故的处理提供决策支持。该系统可以实现以下目标和功能：(1)在事故成因分析以及事故定责处罚中，提供智能决策支持。(2)系统可以作为办案人员的计算机辅助工具，在整个事故处理过程中，提供法律依据、技术手段方法和数学模型支持，协助办案人员快速处理交通事故。(3)提高办案效率，减轻因警力有限而事故频发所造成的劳动强度，提高办案的公正性，使交通事故案件的处理规范化。(4)对新的办案人员，进行系统的业务知识培训，使之成为交通事故处理教材。,YCIDSS系统开发原则,(1)实用性：计算机作为办案人员的助手，应符合实际需要；(2)先进性：根据智能管理的思想，采用人工智能技术、Oracle和VB等开发，具有一定的智能水平；(3)易用性：具有人机友好、可视化的用户界面，输入方便快捷，输出信息易读易懂；(4)可靠性和容错性：具有一定的容错能力，使用可靠。(5)系统便于扩展，可对典型范例库进行增、删和修改，使典型范例库不断扩充和完善，以提高系统性能。在实际应用中能对系统进行动态的扩充，适应新情况和问题，便于系统维护更新。,YCIDSS系统设计思想,系统的设计思想主要实现集成化、智能化、协调化、网络化。(1)集成化：通过技术集成，实现各种功能的集成(计算机辅助、智能决策、培训等)(2)智能化：采用人工智能的理论方法(机器学习)，使系统具有一定的智能水平，自适应、自组织能力(当范例积累到一定数量，从中归纳学习规则，放入知识库，不断学习，逐步具有自动处理功能)，处理不确定性，非结构化管理决策问题的能力；(3)协调化：在人机系统设计中，实现人机合理分工，人机智能结合，具有提示用户并能解答问题的能力；(4)网络化：系统能与其他系统信息共享，快速传送信息。,YCIDSS系统技术方案,关键技术为专家系统技术、数据库技术、模型库管理技术、机器学习技术以及多库协同技术。数据库：Oracle8.0；服务器操作系统：WinNT4.0；工作站操作系统：win2000/xp;编程语言：VB6.0;网络协议：TCPIP,YCIDSS系统功能体系,通过对YCIDSS的需求分析，并考虑其与其他系统信息交换及功能扩展的需要，建立了YCIDSS的功能体系。,交通事故基本信息管理系统,交通事故的构成要素包括：主体要素人、空间要素路、交通工具要素车、交通运行状态要素、违章行为要素、主观心态要素、损害后果因素以及交通性质要素等。,YCIDSS系统功能-广义模型智能算子系统,广义模型智能算子是用来进行大量的定量分析和计算的功能。提供了交通事故处理中常用的模型计算和参数的采集方法。它根据交通事故中现场调查获得的信息和数据(汽车碾压角度、刹车痕迹、伤亡时间等)，进行科学计算，以帮助分析、判断道路交通事故发生、发展、结束的全部过程，为查明道路交通事故发生的原因，认定事故当事各方的责任，正确处理道路交通事故提供有力支持。这里“广义”指的是对不同的物理模型参数都可计算；“智能算子”指的是对用户而言，无需知道模型计算的复杂性及其计算过程，只要根据系统界面提示，输入有关参数值即可。,YCIDSS系统功能-广义模型智能算子系统,该系统主要涉及数学模型，模型的定义如下：=：=：=：=：=：=：=：=：=),YCIDSS系统功能-广义模型智能算子系统,模型的表示以“文件十数据字典”的形式。系统包括：(1)模型算法库：存放各模型的算法，我们以动态链接库的方式实现；(2)模型的描述说明文件，以文本的形式描述模型公式、参数的意义、使用说明等。(3)模型字典库：以关系数据库的组织结构形式，存储的是模型编号、方法名、模型名、模型的输入输出参数、模型的描述文件名等信息.还有：模型结构库、模型数据库、模型目录库。一般，一个数据库文件对应一个模型，其对应关系在模型的目录库中给出。,YCIDSS系统功能-广义模型智能算子系统,该系统主要提供功能：用户可通过目录树的形式，浏览模型及文本说明；实现模型计算；将模型名、模型计算所用的参数及其值、模型的计算结果，以报表的形式打印输出；完成对模型库的维护，包括增加、删除和修改模型。,模型系统功能图,YCIDSS系统功能-法律法规智能检索系统,本系统包括了与交通事故处理有关的法律、法规、条例及司法解释、行业标准等，包含有50万字的内容。该检索系统以法律法规库为基础，提供全文浏览、全文检索、关键字检索、模糊语义智能检索等多种查询方式，为交通事故处理提供法律依据。,YCIDSS系统功能-法律法规智能检索系统,启发式智能检索（模糊语义）：根据模糊语义(简单关键词)，检索语义相近或相关的关键字有关的法律条款。法律法规库管理系统：实现对法律法规库及其语义网络知识库的维护。建立了基于记忆网的联想记忆智能信息检索模型，实现了信息的智能模糊检索。以关键字为中心，与其近义词、父类、子类、相关法律构成一个联想式语义网,YCIDSS系统功能-法律法规智能检索系统,根据“吊扣驾驶证”关键词可以联想检索到道路交通管理条理，可以检索到相关的处罚办法（拘留、罚款、警告等）,YCIDSS系统功能-方法技术手段运用系统,对案件处理流程的不同环节，提供方法、手段和法律依据。(1)流程浏览：提供办案流程图(先现场勘察、然后提交报告等)，任意选择流程图中的某个环节还能检索到该环节更详细的流程。(2)方法浏览：检索与浏览方法库包含的办案人员在办案过程中所用到的方法、经验以及注意事项等详细内容。(3)技术手段浏览：检索与浏览方法库包含的技术手段。(4)法律程序浏览：检索与浏览方法库包含法律依据、法律程序(5)方法手段库管理系统：完成对方法手段库的维护。,YCIDSS系统功能-方法技术手段运用系统,建立处理流程及其分类库，并采用分级索引、分级存储的方式。用图形用户界面编程技术，实现对事故处理流程、所用方法及有关概念的解释。,YCIDSS系统功能-典型范例(源范例)分析系统,典型范例库是存放已经处理的典型范例，供以后范例处理参照。典型范例既具有事故范例的共同特征，也有其个性特征。在新范例的处理过程中，通过基于范例推理，寻找匹配与此相似的典型范例，比照相似范例的案情分析与定责结论，办案人员修正得出新的范例的处理结论。,YCIDSS系统功能-典型范例分析系统,(1)范例分析：用户可以分析当前范例的特征，并查询相似范例的案情和决策结论，实现经验启发的功能。(2)范例查询：用户可以按不同的目的，从不同的角度查询典型范例。可以查询典型范例的简明案情介绍、事故主要原因、所用技术方法和手段，责任认定、法律依据。(3)范例库管理系统：完成范例库的维护管理，如：增加、删除(4)多库协同器：完成多库间的通信与调度,YCIDSS系统功能-典型范例库系统,范例定义：能够导致特定结果的一组特征及属性的集合，它直接影响范例推理的效率。一个典型的用于事故处理的范例包括：事故的说明性信息，如用于索引的范例名、类型、事故形态、当事人的交通方式及范例的必要说明性信息等；事故范例的特征信息，如车况、路况、违章行为、人的主观心态等；事故的决策结论，如原因分析及定责结论等。范例求解的启发信息，如使用的方法、手段、模型、法律依据、推理路线等。,YCIDSS系统功能-典型范例库系统,范例的存储方式：我们以数据库的方式存储范例，每一条记录对应一个范例。范例库主要字段：范例编号、范例名、事故类型、事故形态、时间、地点、天气、现场图、路面类型、道路线形、当事人情况、车况、人、车、路的各种违章信息；事故原因、责任认定、使用的模型、方法、法律依据、推理路线等。其中，方法、模型、法律依据可以与方法库、模型库、法律法规库关联。,YCIDSS系统功能-典型范例库系统,范例的索引与组织：基于范例推理的关键是收集能尽可能大的覆盖领域特征的范例，构造合理的分类和索引结构。图为交通事故分类索引图。,范例检索和范例适配,基于范例推理CBR(CaseBasedReasoning)是通过访问库中同类问题的求解从而获得当前问题的解决的一种推理模式。显然，如何在CBR中高速、有效地完成范例的检索是十分重要的。基于范例推理系统的范例组织与检索策略主要有：最近邻策略(KNN)和归纳索引法等，其中的核心问题是求相似性。范例包含了丰富的信息，其中一部分对范例的本质特征和结构起着决定性作用，这些信息是判断范例是否相似的关键，而另一部分则不具有这些功能。我们将前者称为范例的特征属性。,传统常用计算相似性的模型缺陷：基于比较的模型都是在两个范例之间求得相似度，对于大型的库需要大量的时间。即使为库建立了索引，这些模型一次匹配都需要多次读取范例库。本例提出了一种基于神经网络的CBR检索算法。,基于神经网络的CBR检索,下面研究在交通事故处理中，用基于神经网络的范例检索模型进行范例检索B-P网络检索模型采用了三层结构：第一层为输入层，第二层为中间层，第三层为输出层如图所示。,例如范例库中有3个范例，则对应有3个输出结点，把这3个范例作为训练样本的话，期望输出为(0，0，1)、(0，1，0)、(1，0，0)，分别对应1号范例、2号范例、3号范例。假如网络已经训练好，输入新范例的特征信息，计算结果为(0.9865，0.0236，0.154)，则认为3号范例最相似，直观表示见表,在以上B-P网络检索模型结构中：,(1)输入结点：输入结点有m个，代表着范例的m个特征属性。将交通事故的信息作为网络输入，如有超速或超载行为，对应的输入单元为1，否则为0；不能用0、1表示的环境特征信息，如：路面情况、路面类型、天气等，需要进行规整预处理，使各输入值在01之间，这里我们约定采用隶属度函数进行规整。隐层节点数：隐层节点数取值在输入结点数与输出结点数之间，一般为经验值。(3)输出层：输出层具有n个结点，代表范例库中的n个范例，网络输出对应的是相似范例的索引。(4)各层的激发函数我们采用了反对称Sigmoid函数，即：其中，a=1.716；b=2/3,基于神经网络的CBR检索步骤,交通事故处理是一个比较复杂的过程，在基于神经网络的范例检索模型下，完成一次范例检索的过程如下：(1)输入交通事故案件的基本信息、当事人的违章行为等信息，这部分信息一般是不完全的，需要通过因果推理过程中一些反馈信息补充。(2)假设基于神经网络的检索模型已训练好，可自动归出相似范例；若检索成功，则转(4)；否则继续。(3)检索不到相似的范例时，有两种可能：一种是源范例库的覆盖度不足，这个问题将随着范例学习不断补充完善；另一种是新范例的信息不充分。解决办法是采用反馈机制，即根据掌握的事故信息做出某种假说，从典型范例库的有关范例中得到启发，以指导进一步检查推出新的事实。转(2)。,(4)根据相似范例从范例库中查找详细的背景信息、决策方案等，并对相似的范例组进行评价(进一步筛选)，从中挑选出满足要求的最佳范例。(6)按有关原则或专家经验，结合新范例的情况和相似范例的差别，将检索到的相似范例的解适配到当前问题，完成新范例决策方案的生成与调整。(7)最后，调整后的结果若合理，则进行范例学习，存储新范例。,基于神经网络的CBR检索,基于因果模型和规则推理的范例适配算法,对CBR系统来说，新范例的解的质量主要依赖于相似范例的检索和如何将检索到的相似范例的解适配到当前问题。检索出的范例只是与范例库中与现有情况类似，但与现有情况还有一定的差别，大都难以完全匹配。这种差别可以通过范例调整进行克服。以往范例调整是通过深层知识，即启发式规则的指导来完成的。但调整规则获取的难度不次于领域知识的获取，所以不容易实现。本例提出了基于因果模型、基于规则、多范例经验集成的人机智能集成的范例修正策略，较好地弥补了传统CBR的不足，得出的结论比较可信。,基于因果模型和规则推理的范例适配算法,(1)综合推理机制：人工智能中最实用的有基于规则的推理、基于模型的推理和基于范例的推理。规则推理曾在专家系统的设计中起到不可低估的作用，但其缺点却严重限制了专家系统的发展。从认识论的角度看，规则推理仅是对人类抽象思维的简单模拟。而专家在决策中用到了大量的形象思维。问题的解决，不是单纯地依靠规则推理能够解决的，还需要专家的经验。智能系统难以使用的主要原因在于过于强调知识的形式化，忽略了经验知识的“只可意会，不可言传”，其知识是不足的、浅层的。另一方面，专家经验是长期实践的产物，是在求解大量实际范例中形成的。因此，范例是专家经验的主要来源。但基于范例推理得出的结论可解释性差。而基于因果模型的推理，正好弥补了这一不足。,基于因果模型和规则推理的范例适配算法,将范例推理与规则推理、因果模型推理结合起来，会大大提高系统的性能。它们之间的结合通常表现为，容易形式化的部分，由规则推理完成(通常的汽车追尾，无异议的，按规定处理)，而对特殊结构的问题或偶尔发生的异常问题(发生在凌晨多车多次碾压的交通事故)，用范例推理相对容易些，再加上利用因果模型推理调整旧解，则可提高系统的可理解性，使复用的解更可信，同时因果模型可以提示用户，新范例中的不完全信息。多范例经验集成(如前面提及的计算机辅助建筑设计)：由于新旧问题的复杂程度不同，人们经常从多个局部相似的范例中学习片段知识。此时，人们的思维中已经潜意识地将问题进行了分解，使每一个子问题映射到一个相似范例上，然后，集成所有片段知识，拼合修正形成当前问题的初步解答。,基于因果模型和规则推理的范例适配算法,另外要提高CBR的智能性，必须将主动的学习过程嵌入推理过程中。因此，整个决策工作分为三部分：一部分自动化；一部分提供智能辅助，一部分交给用户来实现。因为ES只是一个辅助工具，它不可能代替人的行为，让ES给人以启发，让人完成擅长的心智推理，人机达到和谐的统一，比纯粹的“机器思维”更合理、可信。这样的实现方法不仅可以减少CBR系统的复杂性，而且提高了系统的可实现性。,基于因果模型和规则推理的范例适配算法,综合推理机制：对复杂决策领域，如：交通事故处理、故障诊断、医疗诊断等领域，问题引发的结论要求真实性强，逻辑性也要强，所以，单纯用CBR方法进行范例判断的推理，其逻辑关系不是很清晰，可信度差。反过来，由于决策问题的多样性和复杂性，单纯依靠基于规则推理的方法也是行不通的。因为规则的概括提取对象有限，使大量的特殊范例不能反映到系统知识中去。此外，智能辅助方法，也必须突破传统的ES的程序化的支持方法，突破静态的、被动的学习策略，采用描述性智能辅助方法（自动化、智能辅助、决策者完成）。另外，还需要将主动的、动态的学习策略集成到问题分解过程中，按照问题分解的目标，收集深层信息，形成初始观点，并对初始观点进行修改与扩充。基于此论点，结合交通事故处理系统的特点，设计了一种人机智能结合的集成推理机制，如图所示。,基于因果模型和规则推理的范例适配算法,系统根据用户给定的事实先进行范例推理，对匹配的特征属性，依据类似范例的因果模型给出初步结论，然后再进行规则推理，其结论作为补充结论，最后提交给用户。如果用户对结论不满意，就需要收集深层信息(知识)，然后重复上述过程，直到得出满意解。另外要提高CBR的智能性，还必须将主动的学习过程嵌入到推理过程中。,1、简单问题用规则处理,2、复杂问题用案例处理,3、因果模型补充信息，合理解释,基于因果模型和规则推理的范例适配算法,我们对某交通事故总结的简单因果模型。可以用框架形式表示模型。,若检索出完全匹配的范例，则不必做任何调整就可以将此范例的相关决策结论复用到当前问题中。当检索的结果为完全不匹配时，说明范例库中还没有与要求问题相关的范例，这时将该问题进行分解，对子问题进行描述，然后重新检索。,部分完全匹配和不完全匹配两种情况的适配算法,分解问题,对应的不重复的范例属性，进行规则推理，在规则库中寻找匹配的规则，将得出的结论作为补充。如果规则知识库中没有匹配的条件，则把这一部分属性作为特征属性重新进行问题分解描述，再进行范例检索。以实现多范例经验集成。直到用户对问题的解答满意为止。,YCIDSS系统功能-典型范例库系统,多库协同器：IDSS中的多库协同器主要根据问题求解的需要，实现对模型库系统、方法库系统、知识库系统、数据库系统的调度与协调，完成模型的链接运行、知识调度、数据信息查询等决策处理。本例采用目标驱动型多库协同机制，是由当前信息需求动态激活的。所谓目标即是何时需要什么信息，完成什么任务。其工作机制如下：根据用户提出的决策目标确定模型决策方式或知识决策方式或数据信息查询方式。如果为模型决策方式，则根据模型字典和模型描述，选用模型，然后进行模型链接和模型调用，并采取一定的数据抽取技术关联数据库和规则库，之后模型装载和运行，最后给出决策结果。,YCIDSS系统功能-典型范例库系统,如果为知识决策方式，根据决策要求、事实库数据、规则库规则对数据源的要求，采用既定的数据抽取策略，进行规则推理，最后给出决策结果。如果为数据查询，则采用数据库技术，实现对数据库或法律法规库的查询操作。,YCIDSS-智能决策支持系统,YCIDSS-智能决策支持系统,为了向用户提供合理的决策支持方案，在该系统中，采用了两种不同的推理机制：基于范例推理和基于Bayes网络(因果模型)的推理。两种方法的结合所提供的决策方案更可靠。因为基于CBR的推理与基于Bayes网