基于bk树扩展置信规则库结构优化框架

基于BK树的扩展置信规则库结构优化框架汇报人：苏群

学校：福州大学BRB系统专家系统是人工智能领域最活跃和最广泛的应用领域之一。Yang等：基于证据推理算法的置信规则库推理方法（belief

rulebaseinferencemethodology

usingtheevidentialreasoning

approach，RIMER）。D-S证据理论决策理论模糊理论传统IF-THEN规则库处理定量信息及不完整或不精确信息解释性和透明性BRB系统BRB系统主要由两个部分组成：置信规则库推理机计算规则的激活权重D-S证据理论的ER方法前提属性和候选值BRB系统优化Yang等提出BRB系统优化模型——参数学习。参数学习的原因参数影响推理决策的能力参数设定困难最优化问题利用Matlab的Fmincon方法进行求解Chen等提出全局参数学习Chang等提出智能优化算法进行参数学习EBRB系统参数学习是一种反复迭代的过程耗时！!Liu等提出由数据驱动的扩展BRB——EBRB，规则前件引入分布式置信框架。EBRB系统EBRB系统：规则数多规则无序存储提出一个基于BK树数据结构的EBRB结构优化框架，该优化框架可以在一定程度上解决上述问题，并易与其他带有分布式置

计信算框激架活的权方重时法-相>结反合复遍。历规则库->系统推理效率不理想！！激活大量规则->影响系统推理准确度！！BK树BK树：Burkhard和Keller提出数据结构树度量距离快速查找近似字符串匹配阈值三角形不等式BK树特点：每棵子树中结点与子树的根结点度量距离相同树形EBRB假设现在有5条规则，规则只有1个前提属性，前提属性有两个参考值，5条规则在规则前件部分分别为：（0.4，0.6）、（0.5，0.5）、（0.3，0.7）、（0.2，0.8）和（0.6，0.4），度量距离为欧氏距离。(0.4,0.6)(0.5,0.5)0.14(0.2,0.8)0.28(0.3,0.7)0.280.57(0.6,0.4)树形EBRB假设现在查询：（0.45，0.55）阈值为0.2。d(0.4,0.6)

=

0.07|0.28-0.07|

=

0.21

>

0.2|0.14-0.07|

=

0.07

<

0.2(0.4,0.6)(0.5,0.5)0.14(0.2,0.8)0.28(0.3,0.7)0.280.57(0.6,0.4)树形EBRB步骤无序存储的规则->树形的规则独立于其他步骤，易与其他方法结合数据集构造训练数据和测试数据建立基于BK树索引产生置信规则根据阈值搜索规则扩展置信规则库推理BK树结构优化框架测试数据训练数据开始结束函数拟合实验Yang-BRB系统专家构建规则库进行局部参数学习MatlabChen-BRB系统专家构建规则库进行全局参数学习MatlabBK-EBRB系统数据驱动规则库未参数学习树形存储函数拟合实验BRB类型MSE运行时间/秒(s)Yang-BRB0.037129394.2160Chen-BRB0.001996695.6130BK-EBRB0.00081490.0011输油管道泄漏实验当输油管道发生泄漏时，输油管道中油液的流量和压力会发生变化。输入：流量差（Flow

Difference,FD）平均压力差（Pressure

Difference,PD）输出：泄漏大小（Leak

Size,LS）输油管道泄漏实验阈值0.4输油管道泄漏实验BRB类型MAE搜索规则次数Liu-EBRB0.6262403,012,000BK-EBRB(theta=1)0.6262403,012,000BK-EBRB(theta=0.7)0.5580872,646,759BK-EBRB(theta=0.4)0.2314001,432,841减少搜索规则数降低了MAE帕累托法则——少数起到重要影响分数据实验从UCI选择9个著名的分类数据集进行测试。阈值：1，0.8，0.6和0.4BK-EBRB(theta=1)BK-EBRB(theta=0.8)BK-EBRB(theta=0.6)BK-EBRB(theta=0.4)Breast类

71.70%71.70%72.64%70.75%Diabetes

上73.28%73.79%73.79%73.79%Ecoli79.76%80.06%82.44%85.42%Glass64.95%65.42%66.36%64.95%Knowledge78.91%79.40%81.89%82.38%Seeds90.00%90.00%90.48%90.48%Transfusion76.34%76.47%76.60%77.01%Vertebral72.26%72.58%73.55%73.55%Yeast45.42%45.49%46.16%50.40%从表中可以发现不同阈值的系统推理能力不一致，应根据数据集的自身结构特点设置不同的阈值。阈值选取枚举对不同系统的推理性能进行比较，选择具有最优推理准确性系统对应的阈值取值最优化问题通过相关方法进行求解得到