专家推理系统.ppt

置信规则库专家系统 与复杂系统建模 讲解：王倩倩 置信系统 1. 专家系统及置信规则库专家系统的提出 2. 证据推理 3. 实例分析 1.专家系统及置信规则库专家系统的提出 了解专家系统的背景，及其结构、特点 了解置信规则库的表示方法 对比BRB系统与原专家系统的优势 学习目的： 1.1 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ES分为5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Web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，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IF-THEN规则上进行改进，可以更好处理各种信息。 1.1 专家系统 定义：专家系统，首先要定义专家，顾名思义，专家是指在某一专业领域内，其具有的专业知识与解问题的能力达到很高水平的学者。 专家系统：是指利用存储在计算机内的某一特定领域内的专家知识，来解决过去只有专家才能解决的现实问题的计算机系统。其基本结构图如图1-1。 数据库 知识库 推理机 解释器 人机接口 专家 用户 图1-1 1.2 传统IF-THEN规则 基于IF-THEN规则的专家系统描述如下： R={x，A，D，F} （1-1） 1.2 传统IF-THEN规则 例如：IF（有毛or哺乳）and((有爪子)and有利牙and前视)or吃肉）and 黄褐色and黑色条纹,THEN老虎 IF和THEN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。 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2章中介绍。 1.2 基于置信规则库的专家系统 一个基本的规则库可由式（1-2）表示的一系列简单的IF-THEN规则组成。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（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。 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 1.2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 2.证据推理 3. 实例分析 置信系统 2 证据推理算法 学习D-S算法 学习ER算法 对比DS和ER 学习目的： 2 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。 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，Yang等提出来基于证据推理算法的置信规则库推理算法(RIMER)。 RIMER的基本思想：当输入信息x到来后，利用ER算法对BRB中的置信规则进行组合，从而得到BRB的最终输出。 基于置信规则库的专家系统又称BRB系统，学习BRB系统建模，需要掌握以下两点： 2 证据推理 BRB系统用到的ER是在DS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IF-THEN规则在上节中已学习，这里我们继续学习D-S证据理论。 证据理论是由Dempster首先提出，并由沙佛Shafer进一步发展起来的一种处理不确定性的理论，因此又称为D-S理论。 DS证据理论是一种不确定推理理论，它力图克服Bayesian理论的不足，所以我们还要了解Bayesian理论。 朴素贝叶斯 贝叶斯公式： 该定理有两个重要假设： ⑴独立性假设，即给定各个属性变量之间条件独立； ⑵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 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D-S证据理论，力图