面向分級決策問題的專家系統(tǒng)設(shè)計(jì).pdf

1、作為人工智能最活躍的一個(gè)研究領(lǐng)域，專家系統(tǒng)自20世紀(jì)70年代以來不斷在應(yīng)用領(lǐng)域中獲得成功，至今已發(fā)展成一個(gè)系統(tǒng)化的研究分支，積累了豐富的經(jīng)驗(yàn)知識，開發(fā)出遍布各行業(yè)的成功應(yīng)用。
　　隨著專家系統(tǒng)應(yīng)用的推廣以及生產(chǎn)和社會(huì)需求的膨脹，專家系統(tǒng)在使用過程中越來越多地涉及帶有分級決策背景的復(fù)雜應(yīng)用問題，這類問題的復(fù)雜性和多態(tài)性對傳統(tǒng)專家系統(tǒng)的應(yīng)用提出了挑戰(zhàn)，各行各業(yè)相繼提出了開發(fā)面向分級決策問題的智能系統(tǒng)的需求。本文針對這一需求，展開了以下

2、方面的工作：
　　首先，本文以分級決策問題為研究對象，從分析這一問題的數(shù)學(xué)本質(zhì)入手，尋找多級規(guī)劃求解方法，進(jìn)而揭示出在專家系統(tǒng)中引入分級決策機(jī)制所要解決的主要問題，即面向分級決策問題的概念分級和系統(tǒng)設(shè)計(jì)。
　　針對概念分級問題，即如何在分級系統(tǒng)中發(fā)現(xiàn)和利用領(lǐng)域問題的層次結(jié)構(gòu)這一核心問題，本文提出四種適用的概念分級方法：基于先驗(yàn)知識的概念分級、基于無監(jiān)督層次聚類的概念分級、基于半監(jiān)督層次聚類的概念分級和基于分層決策樹的概念分級

3、，并對這四種方法進(jìn)行對比分析，指出它們各自的優(yōu)缺點(diǎn)和適用領(lǐng)域。
　　針對系統(tǒng)設(shè)計(jì)問題，本文在概念分級基礎(chǔ)上，發(fā)展了經(jīng)典專家系統(tǒng)結(jié)構(gòu)，提出了面向分級決策問題的專家系統(tǒng)結(jié)構(gòu)和設(shè)計(jì)方案，融合人工智能技術(shù)，通過多分類器構(gòu)造分級知識庫，從而賦予系統(tǒng)一定的自學(xué)習(xí)能力，進(jìn)而圍繞分級結(jié)構(gòu)發(fā)現(xiàn)策略和分級知識庫，將經(jīng)典專家系統(tǒng)中的知識庫、推理機(jī)制、融合機(jī)制以及評估機(jī)制移植到分級應(yīng)用背景中來。
　　最后，本文通過高級語言實(shí)現(xiàn)了一個(gè)用來開發(fā)分級專家