1、决策支持系统实验实验一、产生式规则专家系统设计实验目的：专家系统是决策支持系统的重要应用，也是以定性的方式辅助决策的系统，并在各个领域取得了很大的经济效益。通过实验，使同学们进一步掌握专家系统的基本结构，理解产生式规则的知识表示方式，了解专家系统中的正向推理、逆向推理和混合推理的推理机理，熟悉专家系统的建立过程。实验内容：根据 15 条识别动物的产生式规则，在 Windows 操作系统下，利用高级程序设计语言设计一个简单的动物识别专家系统，完成对涉及到得老虎、金钱豹、斑马等几种常见动物的识别。程序设计的基本要求：（1）采用 C+语言，使用MFC 控件；（2）规则库要求至少包含 15 条规则；（
2、3）设计人机界面，解释模块提供查询规则的功能。规则如下：r1：IF 该动物有毛发 THEN 该动物是哺乳动物r2：IF 该动物有奶 THEN 该动物是哺乳动物r3：IF 该动物有羽毛 THEN 该动物是鸟r4：IF 该动物有会飞 AND 会下蛋 THEN 该动物是鸟r5：IF 该动物有吃肉 THEN 该动物是食肉动物r6：IF 该动物有犬齿 AND 有爪 AND 眼盯前方 THEN 该动物是食肉动物r7：IF 该动物是哺乳动物 AND 有蹄 THEN 该动物是蹄类动物r8：IF 该动物是哺乳动物 AND 是嚼反刍动物 THEN 该动物是蹄类动物r9：IF 该动物是哺乳动物 AND 是食肉动物
3、AND 是黄褐色 AND 身上有暗斑点THEN 该动物是金钱豹r10：IF 该动物是哺乳动物 AND 是食肉动物 AND 是黄褐色 AND 身上有黑色条纹 THEN 该动物是老虎r11：IF 该动物是哺乳动物 AND 有长脖子 AND 有长腿 AND 身上有暗斑点THEN 该动物是长颈鹿r12：IF 该动物是蹄类动物 AND 身上有黑色条纹 THEN 该动物是斑马r13：IF 该动物是蹄类动物 AND 有长脖子 AND 有长腿 AND 不会飞 AND 黑白二色THEN 该动物是鸵鸟r14：IF 该动物是鸟 AND 有游泳 AND 不会飞 AND 黑白二色 THEN 该动物是企鹅r15：IF 该
4、动物是鸟 AND 善飞 THEN 该动物是信天翁实验环境：Windows 操作系统和程序设计语言（ C，或 C+，或 Visual prolog）实验学时：4实验二、关联规则的程序设计实验目的：数据挖掘，又叫 KDD，是一种从大型数据库中大量历史数据自动挖掘知识的重要手段，也是目前基于知识的系统知识获取的重要方法。通过实验，了解数据库、知识库和模型库之间，以及”三库”同决策支持系统的关系，了解数据挖掘在决策支持中的重要性，掌握 Apriori 算法的基本工作原理。实验内容：针对数据挖掘中的经典算法 Apriori 的基本算法，采用逐层迭代，找出频繁项目集用高级程序设计语言编写程序，对基本的事务
5、数据库进行知识挖掘。Apriori的基本算法如下：算法：Apriori输入：事务数据库 D；最小支持度阈值 min-support；输出：事务数据库 D 中的频繁项目集 L。1） BEGIN2） L1= frequent 1-itemsets / 生成长度为 1 的频繁项目;集3） FOR ( k = 2；L k-1；k +) DO4） BEGIN5） C k = Apriori_gen(Lk-1)； / 产生新的候选者6） FOR all transactions t D DO7） BEGIN8） Ct = Subset(Ck, t )； / Candidates contained in
6、t9） FOR all candidates c C t DO10） c.count + +；11） END;12） Lk= cCk | c .count = minsupport13） END;14） Answer = k Lk；15）END;候选集生成算法 Apriori-gen 是以频繁(k-1)- 项目集，生成候选 k-项目集的。该算法分为如下两步：Apriori-gen 函数：输入：频繁 k-1 项集；最小支持度阈值 min-support；输出：频繁 k 项集。1） BEGIN 2） FOR each itemset l1L k-13） FOR each itemset l2L k
7、-14） IF (l 11=l21)(l 12=l22)(l 1k-1 l2k-1)5） THEN BEGIN6） c= l 1l 2； /* 连接步，产生候选频繁项目集7） IF Has_infrequent_subset(c, Lk-1) THEN8） DELETE c; / *剪接步，删除小于最小支持度的候选项目集9） ELSE ADD c TO C k 10） END11） RETURN Ck ;12） END;Has_infrequent_subset 函数：输入：候选 k 项集；输出：如果包含非频繁子集，返回 True，否则返回 False。1） BEGIN2） Lk-1:freq
8、uent(k-1)-itemset); / *使用先验知识3） FOR each (k-1)-subset s of c4） IF s Lk-1 5） THEN RETURN TRUE ;6） ELSE RETURN FASLE ;7） END;实验环境：Windows 操作系统和程序设计语言（ C，或 C+，或 Visual prolog）实验学时：4实验三、决策树算法的程序设计实验目的：决策树是通过一系列规则对数据进行分类的过程。决策树分为分类树和回归树两种，分类树对离散变量做决策树，回归树对连续变量做决策树。通过决策树实验，掌握决策树数据挖掘的基本原理和方法，实现数据集合上构造决策树，完
9、成决策和分类。实验内容：决策树的构造方法有多种，本实验主要利用互信息等信息论中的基本知识，选择 ID3 算法，构造一个结构良好的决策树。ID3 算法是 1986 年由 Quilan 提出的，它是一个从上到下、分而治之的归纳过程。ID3 算法的核心是：在决策树各级结点上选择属性时，通过计算信息增益来选择属性，以使得在每一个非叶结点进行测试时，能获得关于被测试记录最大的类别信息。其具体方法是：检测所有的属性，选择信息增益最大的属性产生决策树结点，由该属性的不同取值建立分支，再对各分支的子集递归调用该方法建立决策树结点的分支，直到所有子集仅包含同一类别的数据为止。最后得到一棵决策树，它可以用来对新的
10、样本进行分类。ID3 算法思想描述如下：(1) 初始化决策树 T 为只含一个树根(X,Q)，其中 X 是全体样本集，Q 为全体属性集。(2) if(T 中所有叶节点(X,Q)都满足 X 属于同一类或 Q为空 )then 算法停止；(3) else任取一个不具有 (2)中所述状态的叶节点 (X,Q)；(4) for each Q中的属性 A do 计算信息增益 gain(A,X)；(5) 选择具有最高信息增益的属性 B 作为节点(X,Q) 的测试属性；(6) for each B 的取值 bi do从该节点 (X, Q)伸出分支，代表测试输出 B=bi；求得 X 中 B 值等于 bi 的子集 Xi，并生成相应的叶节点(Xi,Q-B) ；(7) 转(2)；实验环境：Windows 操作系统和程序设计语言（ C，或 C+，或 Visual prolog）实验学时：2
