1、第五章 专家系统与智能决策支持系统,5.1 专家系统 5.2 智能决策支持系统,5.1 专家系统,5.1.1 专家系统简介5.1.2 专家系统的基本结构及工作原理5.1.3 产生式规则专家系统5.1.4 专家系统示例,5.1.1 专家系统简介,一、专家系统的概念二、专家系统的基本特征三、专家系统与常规计算机程序的区别四、专家系统的应用,一、专家系统的概念,迄今为止，关于专家系统还没有一个公认的严格定义，一般认为： （1）它是一个智能程序系统； （2）它具有相关领域内大量的专家知识； （3）它能应用人工智能技术模拟人类专家求解问题的思维过程进行推理，解决相关领域内的困难问题，并且达到领域专家的水
2、平。专家系统就是一种在相关领域中具有专家水平解题能力的智能程序系统，它能运用领域专家多年积累的经验与专门知识，模拟人类专家的思维过程，求解需要专家才能解决的困难问题。,二、专家系统的基本特征,1. 具有专家水平的专门知识一般来说，专家系统中的知识可分为三个层次，即数据级、知识库级和控制级。数据级知识是指具体问题所提供的初始事实以及问题求解过程中所产生的中间结论、最终结论等。如，病人的症状、化验结果以及由专家系统推出的病因、治疗方案等。知识库级知识是指专家的知识，例如医学常识、医生诊治疾病的经验等。控制级知识是用于控制系统的运行过程及推理的知识。如，搜索策略、推理方法等。任何一个专家系统都是面向
3、一个具体领域的，求解的问题仅仅局限于一个较窄的范围内。,2. 能进行有效的推理,专家系统的根本任务是求解领域内的现实问题。问题的求解过程是一个思维过程，即推理过程。专家系统必须具有相应的推理机构，能根据用户提供的已知事实，通过运用掌握的知识，进行有效的推理，以实现对问题的求解。专家系统的推理机制多种，有：精确推理、不确定性推理、不完全推理和试探性推理等。需根据问题领域的特点，分别进行设计。,3. 具有获取知识的能力,目前专家系统在知识获取方面的能力还较弱，当前应用较多的是建立知识编辑器，知识工程师或领域专家通过知识编辑器把领域知识“传授”给专家系统，建立知识库。一些高级专家系统目前正在建立一些
4、自动获取工具，使系统自身具有学习能力，能从系统运行的实践中不断总结出新的知识。知识获取工具搜索工具、数据挖掘技术。,4. 具有灵活性,在大多数专家系统中，其体系结构都采用了知识库与推理机相分离的构造原则，彼此既有联系，又相互独立。好处是： 在系统运行时能根据具体问题要求分别选取合适的知识构成不同的求解序列，实现对问题的求解。 一方进行修改时不致影响到另一方。 便于把一个技术上成熟的专家系统变为一个专家系统工具。,5. 具有透明性,一个计算机程序系统的透明性是指，系统自身及其行为能被用户所理解。专家系统具有较好的透明性，是因为它具有解释功能。,6. 具有交互性,专家系统一般都是交互式系统。,7.
5、 具有实用性,专家系统是根据领域问题的实际需求开发的，这决定了它具有坚实的应用背景，已广泛应用于多个领域。,8. 具有一定的复杂性和难度,多种需要解决的困难问题，如不确定性知识的表示、不确定性的传递算法、匹配算法等等。,三、专家系统与常规计算机程序的区别,（1）常规的计算机程序是对数据结构以及作用于数据结构的确定型算法的表述，即常规程序=数据结构+算法而专家系统是通过运用知识进行推理，力求在问题领域内推导出满意的解答，即专家系统=知识+推理,（2）常规程序把关于问题求解的知识隐含于程序中，而专家系统则把应用领域中关于问题求解的知识单独组成一个知识库。常规程序将其知识组织为两极，即数据级和程序级
6、，而专家系统将其知识组织成三级，即数据级、知识库级和控制级。,（3）常规程序一般是通过查找或计算来求取问题的答案，基本上是面向数值计算和数据处理的，而且在问题求解过程中先后顺序都是由程序规定的；而专家系统是通过推理来求取问题的答案或证明某个假设，本质上是面向符号处理的，其推理过程随着情况的变化而变化，具有不确定性和灵活性。,（4）常规程序处理的数据多是精确的；而专家系统处理的数据及知识大多是不精确的、模糊的，知识的模式匹配也多是不精确的，需要为其设定阈值。（5）常规程序一般不具有解释功能，而专家系统一般具有解释机构，可对自己的行为作出解释。（6）常规程序与专家系统具有不同的体系结构。,四、专家
7、系统的应用,(1)翻译系统：对观测到的数据,用已设定的含义来解释它，如语言翻译、语言理解、图像分析、化学结构说明、信号翻译等。(2)预测系统：对未来情况推出可能的结果,如天气预报、人口预测、交通预测、军事预报等。(3)诊断系统：从可观测事物中推出系统的故障,即从所观测的不正常行为找出潜在的原因,如医学、电子学、机械、软件诊断等。,(4)设计系统：设计满足目标要求的方案,即根据目标及各子目标间的相互关系构成方案,并证明这些方案和提出的目标要求相一致,如电路设计、建筑设计以及预算的编制。(5)规划系统：设计行为动作,即利用对象的行为特征模型来推论对象的行为动作,如自动程序设计、机器人、计划、通讯、
8、军事等规划问题。(6)监控系统：对系统行为的观测指出规划行为中不足之处,如计算机辅助监控系统用于原子能工厂、航空、治病、煤矿安全等。,(7) 调试系统：指出故障的补救方法。它依靠规划设计和预测的能力来产生正确处理某个诊断问题的提示或推荐方案。(8)维修系统：执行一个规划来完成某一个诊断问题的治疗方法。这类系统综合了调试、规划和执行的能力。如：汽车设备维修ES 。(9)控制系统：一个专家控制系统能自动控制系统的全部行为。它反复解释当前情况,预测未来,诊断问题的产生原因,做出处理的计划以及监督系统运行,并保证正常的操作。控制系统已应用在航空控制、商务管理、战场指挥等方面。,5.1.2 专家系统的基
9、本结构及工作原理,一、基本结构二、工作原理,一、基本结构,二、工作原理,1. 知识库知识库是知识的存储机构，用于存储领域内的原理性知识、专家的经验性知识以及有关的事实等。知识库中的知识来源于知识获取机构，同时它又为推理机制提供求解问题所需的知识。知识库中的知识以产生式规则形式表示，规则形式如：前提结论或 IF 条件l AND 条件2 AND 条件N THEN 动作或结论,例如, 某计算机故障诊断专家系统的知识库中存储了数百条关于计算机故障诊断的产生式规 则, 其中的一条规则为：RULE1： IF 外部电源插座电压正常 AND 计算机内电源输入电压为零 AND 电源插座电压正常 AND 电源插座
10、到计算机的电源线完好 THEN 计算机的电源开关故障,为了表达专家知识的复杂概念,知识库中的规则分级存储,整个知识库形成一个树形结构，其中的规则也可嵌套,例如,在某动物识别专家系统中有如下三条规则形成了一个嵌套结构：RULE1： IF 动物有奶 THEN 该动物是哺乳动物RULE2： IF 动物吃肉 THEN 该动物是食肉动物RULE3： IF 动物是哺乳动物 AND 动物是食肉动物 AND 动物是黄褐色 AND 动物身上有黑条纹 THEN 该动物是老虎,2. 推理机制,推理机制主要有两个任务, 一是推理（知识的运用）, 即从知识库中已有的知识中推导出所需要的结论和知识；二是控制搜索过程（知识
11、的选择）, 即确定知识库中规则的扫描顺序,决定在每个控制信息下要触发的规则。推理机的性能与构造一般与知识的表示方式和组织方式有关，但与知识的内容无关，这有利于保证推理机与知识库的相对独立性。为提高系统的运行效率，采取：启发性知识，启发式搜索。,3. 解释机制,能够对系统的行为作出解释，是专家系统区别于一般程序的重要特征之一，也是它取信于用户的一个重要措施。另外，通过对自身行为的解释还可帮助系统建造者发现知识库和推理机中的错误，有利于对系统的调试及维护。解释机构由一组程序组成，它能跟踪并记录推理过程，当用户提出询问需要给出解释时，它将根据问题的要求分别做相应的处理，最后把解答用约定的形式通过人机
12、接口输出给用户。,4. 知识获取机制,（一）知识获取的方式知识获取是建立知识库的重要基础,是专家系统开发中最关键也最艰难的一步, 被称为专家系统开发的“瓶颈”。专家系统的下一步是开发更好的知识获取工具。当前,知识获取有三种主要形式。,(l) 人工获取。领域专家与知识工程师交流，提供领域的知识，知识工程师将领域知识概念化、形式化、编码、测试，并将结果与领域专家的经验比较，经这样多次反复逐步完善知识库。,(2)交互式学习。领域专家利用获取工具，在知识工程师的协作下，直接与计算机交互学习。,(3)自动知识获取。计算机在领域专家和知识工程师的配合下，直接从样本中获取知识，其中样本包括实验数据、问题求解
13、的实例、文本、数据库数据和Web上的资料等。,（二）知识获取的步骤,（1）领域确定和问题定义。在这一阶段，需确定知识库的应用领域和问题的类型，从而确定知识的来源，【例如】有经验的领域专家、文档、实验数据和已经被成功解决的问题的实例等。（2）领域知识的概念化。这是最重要的阶段，在这一阶段中知识工程师和领域专家彼此协作将领域知识形式化为某些基本概念和概念关系的抽象形式，即将事实和关系变换成与领域无关的、易于在知识库存贮和处理的知识结构。,（3）知识的形式化和编码。在这一阶段，将所获取的领域知识转化为执行的计算机程序，【例如】“Ifthen”规则等。（4）系统测试和查错。通过测试检查知识库中的错误、
14、不一致性和不完整性等。引起这一类错误的主要原因有：专家在这一领域的知识不完备；专家在特定场合的经验有问题；某些知识的形式化不严密；遗漏了某些事实和事实之间的关系；含有非法和不能应用的语句；缺少了领域专家的关键启发式知识等。（5）知识优化和系统完善。主要是通过求解实际问题来对冗余的规则、形成死循环的规则、不相容、不一致和互相冲突的规则进行修改的过程。,5. 动态存储器,动态存储器又称为“黑板”或者“工作存储器”。它是用于存放用户提供的初始事实、问题描述以及系统运行过程中得到的中间结果、最终结果、运行信息等。动态存储器的内容是不断变化的。在求解问题的开始时，它存放的是用户提供的初始事实；在推理过程
15、中它存放每一步推理所得到的结果。同时,动态存储器还保存一次推理过程中的全部推理路径,供解释推理过程时使用。,6. 人机接口,人机接口是专家系统与领域专家或知识工程师及一般用户间的界面，由一组程序及相应的硬件组成，用于控制人机交互过程, 使用户能够以方便、直观的形式进行人机对话, 同时充分发挥用户人机对话中的主观能动性,尽可能地避免用户的误操作，用于完成输入输出工作。,5.1.3 产生式规则专家系统,一、产生式规则及特点二、推理方法三、推理树四、推理树的搜索五、不确定性推理,一、产生式规则,产生式规则知识一般表示为：if A then B , 或表示为：“如果A成立则B成立”，简化为：A B 。
16、产生式规则知识允许有以下的特性： (1) 相同的条件可以得出不同的结论。 如：A B A C (2) 相同的结论可以由不同的条件来得到。 如：AG BG (3) 条件之间可以是与(AND)连接和或(OR)连接。 如: ABG ABG(相当于AG,BG） (4) 一条规则中的结论,可以是另一条规则中的条件。 如：FBZ CDF,产生式规则的特点,(1) 产生式规则知识表示形式容易被人理解；(2) 它是基于演绎推理的。这样,它保证 推理结果的正确性；(3) 大量产生式规则所连成的推理树(知识树) 可以是多棵树。从树的宽度看,反映了实际问题的范围。从树的深度看,反映了问题的难度。这使专家系统适应各种
17、实际问题的能力很强。,二、推理方法,1. 正向推理从已知数据信息出发，正向使用规则（让规则的前提与数据库匹配），求解待解的问题。它要求用户首先输入有关当前问题的信息作为数据库中的事实。 2. 逆（反）向推理从目标开始 , 寻找以此目标为结论的规则,并对该规则的前提进行判断。若该规则的前提中某个子项是另一规则的结论,再找此结论的规则, 重复以上过程,直到对某个规则的前提能够进行判断。按此规则前提判断(是或否)得出结论的判断,由此回溯到上一个规则的推理,一直回溯到目标的判断。 3. 混合推理,三、推理树,按逆向推理思想把规则库所含的总目标 (它是某些规则的结论)作为根结点,按规则的前提和结论展开成
18、一棵树的形式。这棵树一般称为推理树或知识树,它把规则库中的所有规则都连结起来。由于连结时有与关系和或关系,从而构成了 与,或推理树。,例：若有规则集为： A (B C) G (I J) K A XF J L B M E C WZ M PQ E,该 “与、或” 推理树的特点是： (1) 每条规则对应的结点分枝有与 (AND) 关系、或 (OR) 关系。 (2) 树的根结点是推理树的总目标。 (3) 相邻两层之间有一条或多条规则连接。 (4) 每个结点可以是单值,也可以是多值。若结点是多值,各值对应的规则将不同。 (5) 所有的叶结点都安排向用户提问,或者把它的值直接放在事实数据库中。,逆向推理树
19、的一般形式,四、推理树的搜索,基本搜索方法（1）广度优先搜索法,（2）深度优先搜索法,（一）推理树的深度优先搜索,逆向推理的搜索过程,在计算机中实现时,并不把规则连成推理树,而是利用规则栈来完成。当调用此规则时,把它压入栈内(相当于对树的搜索), 当此规则的结论已求出(yes或no)时,需要将此规则退栈(相当于对树的回溯)。利用规则栈的压入和退出的过程,相当于完成了推理树的深度优先搜索和回溯过程。,规则栈,（二）结点的否定,从上例可见,每个结点有两种可能,即yes和no,叶结点为no是由用户回答形成的。中间结点为no是由叶结点为no,回溯时引起该结点为no。对中间结点的否定需要注意的是,当该结
20、点还有其它“或条件”分枝时,不能立即确定该结点为no,必须再搜索另一分枝,当另一分枝回溯为yes时,该结点仍为yes。中间结点只有所有“或”分枝的回溯值均为no时，才能最后确定该中间结点为no。,五、不确定性推理,（一）事实的不确定性事实有时称为证据。它有不确定性因素,如含糊性(事实的意义不明确或有歧义,需要上下文才能确定)、不完全性(如变化的市场,获得完整的信息是不可能的)、不正确性与不精确性(事实的观测结果与真实情况有差别)、随机性、模糊性等。事实的不确定性一般用可信度 CF(certainty factor) 值表示,它的取值范围为：0CFl 或 0CF100例如：肺炎 CF=0.8表示
21、某病人患肺炎的可信度为0.8(80%)。,(二)规则的不确定性,规则反映了客观事物的规律性。大量的实际问题中,专家掌握的规则大多是经验性的,不是精确的。精确规则主要是公式、公理、定律、定理等。经验性规则是不确定性的。规则的不确定性也用可信度CF值来表示。例如：“如果 听诊=干鸣音 则 诊断=肺炎 CF=0.5”表示对病人的听诊是干鸣音而诊断病人患肺炎的可信度只有0.5(50%)。,(三) 推理的不确定性,规则中事实(证据)之间的连接有两种形式,即“与(AND)”连接和“或(OR)”连接。 1.前提中AND(与)连接时结论的可信度计算公式规则形式： IF E1E2En THEN H CF(R)
22、结论H的可信度为：CF(H) =CF(R)MINCF(E1), CF(E2) CF(En)该公式表示, 由于每个证据Ek的不确定性,可信度为CF(Ek),k=1,2, n,以及规则不确定性,可信度为CF(R), 利用该规则的推理,得到结论H的不确定性,可信度为 CF(H)。结论H的可信度等于规则可信度乘以所有证据可信度的最小者。,2.前提中OR(或)连接时结论的可信度计算公式规则形式：IF E1 OR E2 THEN H CF(R)需要把它转化成等价的两条规则,即 IF E1 THEN H CF(R) IF E2 THEN H CF(R) 如果最初就是单独两条规则,而且有不同的可信度,如： I
23、F E1 THEN H CF(R1) IF E2 THEN H CF(R2)则它们不能合并成一条规则(用OR连接),因为可信度不能合并成一个。,对于这个更一般的情况,结论H的可信度分别有：CF1(H)=CF(Rl)CF(E1)CF2(H)=CF(R2)CF(E2) 合并为：CF(H)=CFl(H)+CF2(H)-CFl(H)CF2(H)对于三条规则,如： IF E1 THEN H CF(R1) IF E2 THEN H CF(R2) IF E3 THEN H CF(R3),先按两条规则合并方法计算出:CF12(H)=CF1(H)+CF2(H)-CF1(H)CF2(H)再将它和第三条规则合并:C
24、F(H)=CF12(H)+CF3(H)-CF12(H)CF3(H)其中CF3(H)=CF(R3)CF(E3) 对多于三条规则,类似于上面方法逐步合并直到包含所有规则(即所有规则中前提不相同而结论相同)。这些规则有不同的可信度,如果这些规则有相同的可信度,它们可合并成一条以OR(或)连接的复合规则。,（四）确定性推理与 不确定性推理的区别,区别： 可信度（CF）的差别确定性推理CF=1；不确定性推理0CF1 推理过程的差别相同结论具有多个规则的情况：对于确定性推理，只要搜索出其中一条满足要求的规则（即该规则可推得结论），其他规则就不再搜索。对于不确定性推理,当某个结论的可信度不为1时(即CF1)
25、,对于相同结论的其它规则仍然要进行推理,求结论的可信度, 并和已计算出该结论的可信度进行合并。,例如,有两条相同结论的规则R1: AG R2: BCG确定性推理过程为：先引用规则R1,提问A?当回答为yes时,推得结论G成立,即yes,这样就不再搜索R2对结论G进行推理。对于不确定性推理,该两规则均含可信度。 R1: AG CF(0.8) R2: BCG CF(0.9),推理时,先引用规则R1,提问A?当回答为yes时,还需给定A的可信度,设为CF(0.7),按公式求得G的可信度为:CF1(G)=0.80.7=0.56由于G的可信度不为1,还必须对结论G的其它规则进行推理。再引用规则R2,提问
26、B和C。设回答B为yes,CF(0.7),回答C为yes,CF(0.8),计算G的可信度为:CF2(G)=0.9min(0.7,0.8)=0.63合并G的可信度为: CF(G)=CF1(G)+CF2(G)-CF1(G)CF2(G) =0.56+0.63-0.560.63=0.84 要说明一点，当某个证据用户回答为no时,不用给可信度, 它的可信度 CF=0。,应用举例：,有如下规则集和可信度： R1: ABCG CF(0.8) R2: DEA CF(0.7) R3: JKB CF(0.8) R4: PQC CF(0.9) R5: F(RS)D CF(0.6)已知事实及可信度：F(0.4),R(
27、0.5),S(0.6),E(n),J(0.4),K(0.6),P(n),Q(0.4)。,规则集的逆向推理树,推理求解过程：,（一）把规则分解为只含AND ()连接的规则，消去OR ()连接的规则： R1: ABCG CF(0.8) R21: DA CF(0.7) R22: EA CF(0.7) R3: JKB CF(0.8) R41: PC CF(0.9) R42: QC CF(0.9) R51: FD CF(0.6) R52: RSD CF(0.6),（二）利用规则进行逆向推理从目标G开始搜索规则库，推理过程为：（1）引用R1规则求A。（2）引用R21规则求D。（3）引用R51规则求F。提问
28、F？回答yes，CF(0.4)计算D的可信度为：CF1(D)=0.40.6=0.24（4）引用R52规则求R和S。提问R？回答yes，CF(0.5)提问S？回答yes，CF(0.6)CF2(D)=0.6min0.5, 0.6=0.3合并D结点的可信度为：CF(D)=0.24+0.30.240.3=0.4680.47,（5）回溯到规则R21，计算A的可信度：CF1(A)=0.470.7=0.3290.33（6）引用R22规则求E。提问E？回答no，即CF(0)=0，计算A的可信度：CF2(A)=00.7=0合并A的可信度为：CF(A)=0.33+0-0.330=0.33（7）回溯到R1规则求B。
29、（8）引用R3规则求J和K。提问J？回答yes，CF(0.4)提问K？回答yes，CF(0.6)计算B的可信度：CF(B)=0.8min0.4, 0.6=0.32,（9）回溯到R1规则求C。（10）引用R41规则求P。提问P？回答no，即CF(0)=0，计算C的可信度：CF1(C) =0.90=0（11）引用R42规则求Q。提问Q？回答yes，CF(0.4) ，计算C的可信度：CF2(C) =0.40.9=0.36合并C的可信度为：CF(C)=0+0.36-00.36=0.36（12）回溯到R1规则CF(G) =0.8min0.33, 0.32, 0.36=0.256因此，目标G成立的可信度为
30、0.256。,（三）该问题的成功推理路径的解释,1. F成立的可信度为0.4，用户回答的事实2. R成立的可信度为0.5，用户回答的事实3. S成立的可信度为0.6，用户回答的事实4. D成立的可信度为0.47，由规则R51，R52推出5. A成立的可信度为0.33，由规则R21推出6. J成立的可信度为0.4，用户回答的事实7. K成立的可信度为0.6，用户回答的事实8. B成立的可信度为0.32，由规则R3推出9. Q成立的可信度为0.4，用户回答的事实10. C成立的可信度为0.36，由规则R42推出11. G成立的可信度为0.256，由规则R1推出,练习：,有如下规则集和可信度： R1
31、: ABG CF(0.9) R2: CDEA CF(0.8) R3: FHB CF(0.8) R4: ID CF(0.7) R5: KH CF(0.9)已知事实及可信度：C(0.8),I(0.9),E(0.7),F(0.8),K(0.6)。 请用逆向推理求得结论G成立的可信度，并对成功路径进行解释说明。,5.1.4 专家系统示例,PC计算机故障诊断指导专家系统（PCDGES） 1. 系统目标及工作范围目标：为计算机初级用户提供一个有关PC计算机故障的咨询工具软件，回答用户有关计算机故障的问题，并提出相应的故障处理策略。工作范围：部件级的故障诊断咨询。,2. 知识获取,计算机故障主诊断流程示意图
32、,故障检查测试流程示意图,3. 知识表示,系统采用产生式规则表达诊断知识,整个系统的知识分级分块存放,所建立知识库结构呈非对称树形结构。,图中的空白方框表示存储特定硬件模块诊断知识的分级规则库,小圆圈表示最底层的诊断规则,即知识库的叶子结点。,PCDGES知识库机构简图,知识库中一些典型规则:,RULE1： IF 第1类系统错, AND 第1类启动错, AND 第4类报错叫声, THEN 系统板有问题，应修理或更换RULE2： IF 启动不正常 THEN 第1类系统错 RULE3：IF 启动时出现加电检查错(POST失败) THEN 第1类启动错 RULE4：IF 一声长叫,一声短叫 THEN
33、 第4类叫声 ,4. 软件实现,（1）知识库RULEl: diagm(“系统板”): (结论) checkc(“系统”,1),(检查是否第1类系统错) checkc(“启动,1),(检查是否第1类启动错) checkc(“叫声”,4),(检查是否第4类报错叫声) cause(“系统板”). (显示结论信息) RULE2: checkc(“系统”,1): cond(1,“系统启动失败”). RULE3: checkc(“启动,1): cond(2,“加电后屏幕无反应”), cond(3,“机内电源电压正常”). RULE4: checkc(“叫声”,4): cond(4,“系统启动失败”), c
34、ond(5,“喇叭一声长叫,一声短叫”). RULE5: cause(“系统板”): write(系统板有问题,应修理或更换).,（2）推理机,系统采用反向为主正向为辅的精确推理策略。推理机运行时先反向推理,即假设一个可能成立的子目标(故障结论),试图用知识库或动态数据库的事实证明它为真；若证明失败,则系统向前搜索(正向推理),直到发现另一个假设(故障结论), 再重复使用反向推理,试图证明它为真。这个过程周而复始,直到所有目标被证明为真或所有可能的路径都已测试。,（3）解释机制,采用WHY解释方法，用于回答用户有关为什么做出某种决策或进行某个询问的问题。在该模块的实现过程中, 应用了TURBO
35、 PROLOG的模式匹配功能, 字符串处理功能,窗口管理功能、类型转换功能等。,PCDGES解释机制基本程序框图,（4）人机接口,PCDGES的人机接口采用交互式人机接口。系统菜单分为四级,一级为系统总控菜单；二级为诊断主控菜单；三级为诊断范围选择及知识库选择菜单；四级是故障现象选择,咨询对话等菜单。,PCDGES人机接口基本结构图,PCDGES的四个典型菜单,诊断问题基本菜单 1）启动问题 2）运行问题 3）硬盘问题 4）软盘问题 5）显示问题 6）键盘问题 7）打印机问题 8）退出 启动问题类型菜单 1）启动时加电检查错(POST失败 2）电源灯不亮,屏幕不显示,盘不工作 3）电源灯亮,
36、屏幕无任何显示,盘不工作 4）POST正常,但不能启动 初始诊断时的叫声类型菜单 1）无叫声,机器无反应 2）一声短叫,磁盘灯亮 3）连续叫 4）一声长叫,一声短叫 5）一声长叫,两声短叫 6）一声短叫,屏幕变黑或显示不正常 7）重复的短叫声 8）一声短叫, 即出现BASIC提示符硬盘症状类型菜单 1）访问硬盘时装人灯不亮 2）读写不完整 3）读正确,但写不正确 4）运行 CHKDek 时出错 5）响声异常 6）丢掉了所存信息,（5）知识获取机制,知识获取机制向用户提供了一个编辑器, 可用于编辑、修改整个知识库；同时还有一个独立于推理机的半自动化知识获取智能接口,可以“告知”学习的方式进行知识
37、获取。用户通过与PCDGES系统对话,“告知”系统必要的知识,智能接口就把这些知识自动转化为专家系统的内部表示形式而存入知识库。,PCDGES知识获取机制的基本结构图,视频实例骨骼系统专家肌肉系统专家海顿新科预知维修诊断系统毛发分析诊断系统1. 猪鸡健康管理与疾病辅助诊治系统 http:/ 2. 农业专家系统（又叫农业智能系统），http:/:4000/ 2.黄岩区农业专家系统 http:/ 智能决策支持系统,5.2.1 智能决策支持系统结构及特征5.2.2 智能决策支持系统的实现技术5.2.3 智能决策支持系统的示例,5.2.1 智能决策支持系统结构及特征,一、智能决策支持系统（IDSS）概
38、念在决策支持系统(DSS)的基础上集成人工智能的专家系统(ES)而形成的信息系统。,二、智能决策支持系统结构,IDSS结构图,IDSS的集成结构,集成系统,IDSS的三种集成形式,（一）DSS和ES并重的IDSS结构由集成系统完成对DSS和ES的控制和调度, 根据问题的需要协调DSS和ES的运行。集成系统可以有两种形式： (l)DSS和ES两者之外的集成系统,它具有调用和集成DSS和ES的能力。,(2)将DSS人机交互与问题处理系统功能扩充, 即增加对专家系统的调用组合能力。,Enter,特点：体现了定量与定性分析并重来解决问题。,Return,（二）DSS为主体的IDSS结构,这种集成结构形
39、式体现了以定量分析为主体,结合定性分析解决问题的特点。这种结构中集成系统和DSS控制系统合为一体,从DSS角度来看,简化了IDSS的结构。,这种结构中,ES相当于一类模型,即知识推理模型或称智能模型,被DSS控制系统调用。,（三）ES为主体的IDSS结构,这种结构形式体现了以定性分析为主体,结合定量分析的特点。这种结构中,人机交互系统和ES的推理机合为一体,从ES角度来看,简化了IDSS的结构。1. DSS作为一种推理机形式出现,受ES中的推理机所控制。,Enter,这种结构中的推理机是核心：(1)对产生式知识的推理是搜索加匹配；(2)对数学模型的推理就是对方程的计算。这种结合形式的问题求解体
40、现为推理形式。,Return,（三）ES为主体的IDSS结构（续）,2.数学模型作为一种知识出现,即模型是一种过程性知识,体现了另一种结合形式。这种结构中，数学模型反映在推理树中，一般在推理树的叶结点处要进行对模型的数学运算。,三、智能决策支持系统柔性特征,（1）运行柔性IDSS的运行求解过程和一般的软件系统相比,要求有更好的“弹性”。表现在：系统要支持多种问题求解方式,包括知识处理的方法、数学建模的方法、数据挖掘方法等；系统要支持灵活地组织这些求解方法；运行过程应允许用户进行干预；系统的运行逻辑应具有某种程度的动态可修改性。,（2）结构柔性数据的多样性和运行方式的多样性是智能决策支持系统的特
41、征,多样的数据组织和运行方式被组织在同一系统框架中,而这种结构又总是面临多变的要求,这就要求系统在结构上具有灵活的特点。多年来,集成一直是智能决策支持系统的研究重点,其要解决的主要问题,正是建立一种这样的组织结构。,（3）界面柔性 智能决策支持系统不仅强调交互而且强调交互的灵活性。由于决策系统灵活多变的特点,用户不仅需要界面的丰富多样, 而且需要界面具有某种可组织性,无需编程就可以定义输入、输出的形式。,（4）开放性智能决策支持系统方便与其他软件系统的集成、嵌接，系统的可操作性、可扩充性、可移植性好。,5.2.2 智能决策支持系统的实现技术,一、决策树二、集成技术,一、决策树,决策树是一种帮助
42、人们分析、解决决策问题的常用方法。它通过分析可以采取的决策方案及其可能出现的状态（结果）来比较各决策方案的好坏，从而做出正确的判断。决策问题的结构，包括决策人可能采取的行动、随机要件（将来可能出现的自然状态等）和各种可能后果之间的关系都可用决策树来形象、直观地表示。,产生决策树的一种核心算法是Quinlan的ID3（ Quinlan，1986），其扩展版本C4（ Quinlan，1990）。其后，又提出了改进算法GID3 x 算法（Fayyad，1994）和O-Btree算法（ Fayyad和Irani，1992）。,（1）决策问题的要素, 行动集（行动空间）A=a1, a2, , an。其中
43、，ai (i=1, 2, , n)是所有可能的行动，决策者必须从中选择一个行动，也只能采取一种行动。 状态集（参数空间）=1, 2, , m。其中， j (j=1, 2, , m)是所有可能出现的重要的自然或环境状态。 后果集（后果空间）C=c11, c12, , c1n, c21, c22, , c2n, , cm1, cm2, , cmm。后果函数f是笛卡儿积空间A到后果空间的一个映射，即f: AC或者c=f (, a)。 进行试验所可能获得的观察集（测度空间）X=x1, x2, , xl。,（2）决策树结构,决策树由结点和分支构成。 决策树的结点主要有：决策结点，用小方框“”表示；状态结点，用小圆圈“”表示；结果结点，用三角形“”表示。 决策树的分支主要有：从决策结点出发的决策分支，表示决策人可能采取的行动ai；从状态结点出发的状态分支，通常状态分支上标有状态要件的名称j以及该要件发生的概率；在“树梢”处的结果结点右侧标有结果及其评价。,（3）用决策树进行分析,基本步骤： 构成决策问题，根据决策问题绘制决策图； 确定各种决策可能的后果并设定各种后果发生的概率； 评价和比较决策，依据一定的评价准则选择决策者最满意的决策。,
