人工智能与专家系统总结
人工智能与专家系统总结
人工智能与专家系统
一．人工智能
1.人工智能：用人工的方法在机器（计算机）上实现的智能；或者说是人们使机器具有类似
于人的智能。历史发展史：a.孕育（19__年之前）；b.形成（19__年－19__年）
[19__年第一届国际人工智能联合会议，19__年成立美国人工智能联合会]c.发展（19__年
2.人工智能研究的基本内容：
①知识表示——人工智能的永恒主题：将人类知识形式化或者模型化。知识表示方法：符号
表示法、连接机制表示法；
②机器感知：使机器（计算机）具有类似于人的感知能力。以机器视觉(machinevision)与
机器听觉为主。
③机器思维：对通过感知得来的外部信息及机器内部的各种工作信息进行有目的的处理。
④机器学习（machinelearning）：研究如何使计算机具有类似于人的学习能力，使它能通过
学习自动地获取知识。
⑤机器行为：计算机的表达能力，即“说”、“写”、“画”等能力。
3.人工智能研究中的学派
①符号主义；②联结主义；③行为主义
4.人工智能的主要研究领域
⑴自动定理证明；⑵博弈；⑶模式识别；⑷专家系统；⑸模式识别；⑹机器视觉；⑺自然语
言理解；⑻自动程序设计；⑼智能信息检索；⑽数据挖掘与知识发现；⑾组合优化问题；⑿
人工神经网络；⒀分布式人工智能；⒁智能管理与智能决策；⒂智能控制；⒃智能仿真；⒄
智能CAD；⒅智能通信；⒆智能网络系统
二．知识表示及推理
知识表示的定义将人类知识形式化或模型化。
知识：是有关信息关连在一起形成的信息结构。
知识表示（knowledgerepresentation）是指把知识客体中的知识因子与知识关联起来，便于
人们识别和理解知识。
2.产生式的基本形式
一般形式：PQ
或IFPTHENQ
语义：如果前提P被满足，可推出结论Q或执行Q所规定的操作。P是前提,Q是结论或
动作,前提和结论可以是由逻辑运算符AND、OR、NOT组成的表达式。
例IF动物会飞AND会下蛋
THEN该动物是鸟
3.常见的知识表示方法：产生式系统，框架结构，语义网络，过程性知示，面向对象知识
表示，基于本体的知识表示法，产生式的基本形式
4.产生式系统的基本结构
规则库：描述领域知识的产生式规则集
综合数据库：记录求解（或推理）过程中各种信息的数据结构
推理机：负责匹配到得出结论的整个问题求解过程.
5.产生式表示法的优点和缺点
优点：①自然性知识表示形式自然，便于推理。②模块性便于进行模块化处理，利于规则
库的扩展和管理。③有效性可以表示不确定性知识和确定性知识。④直观性前提和结论部
分非常直观，便于对规则进行设计。
缺点：①效率不高；②不能表达结构性知识
6.框架的一般形式：
框架名（frame)：<名称>
槽名1：侧面名1：值1,,值p1
侧面名2：值1,,值p2
侧面名m1：值1,,值pm1
槽名2：侧面名1：值1,,值q1
侧面名2：值1,,值q2
侧面名m2：值1,,值qm2
槽名n：侧面名1：值1,,值r1
侧面名2：值1,,值r2
侧面名mn：值1,,值rmn
约束：约束条件
【例】描述“教师”的框架：
框架名:<教师>
类属:<知识分子>
工作:范围:(教学，科研)
缺省:教学
性别:(男，女)
学历:(中师，高师)
类型:(<小学教师>，<中学教师>，<大学教师>)
7.语义网络的结构
①基本语义网络单元结构；②语义基元(语义单元)；③节点，弧
语义网络是知识的一种图解表示，由节点和弧线组成。节点用于表示实体、概念和情况等，弧线用于表示节点间的关系。
8.语义基本关系：
①ISA,AKO和Part-of型关系
常有的类属关系：Is-a(是一个)、Apart-of（是一部分）、A-kind-of（是一种）。
②属性关系(Have,is,Can)
③其他关系：时间关系；位置关系；相近关系
9.如何用语义网络表达知识
语义网络是一种采用网络形式表示知识的方法。用一个有向图表示概念和概念之间的关系，其中节点代表概念，节点之间的连接弧(也称联想弧)代表概念之间的语义联系。
10.其他表示方法：剧本知识表示法
本体知识表示法；一阶谓词逻辑表示法；过程性知识表示法；直接知识表示法
三．基本推理方法
1.推理的概念：推理是指从已知的事实出发，通过运用已掌握的知识，找出其中蕴含的事实，或归纳出新的事实，这一过程就称为推理。
2.方式和分类：a.按推理机制划分：演绎推理；归纳推理；缺省推理.b.按所用知识的确定性
划分；确定性推理；不精确推理.c.按推理过程划分为：单调推理;非单调推理d.按启发性知识划分为:启发式推理,非启发性推理e.按方法论划分:基于知识的推理,统计推理,直觉推理。f.按推理正反向分为：正向推理：以已知事实作为出发点的推理；逆向推理：以某个假设目标作为出发点的推理
3.如何用三段论进行推理
任何一个三段论都包含着三个不同的词项：大项、小项和中项。
结论中的谓项叫做大项，用“P”表示。
结论中的主项叫做小项，用“S”表示。
前提中出现两次而结论不出现的词项叫做中项，用“M”表示。
任何一个三段论都包含着三个不同的判断，即大前提、小前提和结论。
三段论的词项有两个主要特点：
任何三段论必须有也只能有三个不同的词项。
任何三段论，其中的每一个词项必须并且只能在两个性质判断中各出现一次。
三段论的规则
规则1：在一个三段论中,仅能有三个不同的项,否则会犯“四项错误”。
规则2：中项在前提中至少要周延一次,否则,会犯“中项不周”之误。
规则3：前提中不周延的项,在结论中也不得周延,否则,会犯“大项扩大”或“小项扩大”之误。
4.自然演绎推理的特点
①表达定理证明过程自然，容易理解。
②拥有丰富的推理规则，推理过程灵活。
③便于在推理规则中嵌入领域启发性知识。
四．不确定性推理
1.产生原因：事物发生的随机性，人类知识的不完全、不可靠、不精确和不一致，自然语言中存在的模糊性和歧义性
2.不确定性推理的方法：确定因子法（可信度方法），主观Bayes方法，证据理论，可能性理论，粗集理论，批注理论。
五．问题求解策略:
1.八数码：路径耗散函数，目标测试，后继函数，初始状态
2.图搜索策略：图搜索策略可以看成是一种在图中寻找路径的方法。
3.盲目搜索。a.宽度优先：如果搜索是以接近起始节点的程度依次扩展节点的，那么这种搜索就叫做宽度优先搜索b.深度优先：分析深度优先搜索示意图可看出，在深度优先搜索中，我们首先扩展产生的（即最深的）节点。深度相等的节点可以任意排列。
六．专家系统
1.专家系统的概念
专家系统是一个具有大量专门知识与经验的计算机系统，应用人工智能技术，根据专家提供的特殊领域知识、经验进行推理和判断，求解需要专家才能解决的复杂问题。
简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
2.专家系统的基本结构由五部分组成：
知识库：用于存放问题求解所需要的知识
综合数据库：用于存放系统运行过程中所需要的原始数据和产生的所有信息。
推理机：根据综合数据库当前的状态，利用知识库中的知识进行推理。
解释程序：解释程序用于对求解过程作出说明，并回答用户提出的问题。
接口：又称人机界面，它能够使系统与用户进行对话，使用户能够输入必要的数据、提
出问题和了解推理过程及推理结果等。
3.专家系统开发工具
⑴人工智能语言；⑵专家系统外壳；⑶通用专家系统工具
4.如何构建专家系统
七．机器学习
1.机器学习：机器学习是使系统做一些适应性的变化，使得系统在下一次完成类似的任务时比前一次更有效。
2.学习基本构成
3.知识发现的方法
关联规则；②决策树技术；③贝叶斯网络；④人工神经网络；⑤遗传算法；⑥粗糙集方法
八．决策树学习M1.决策树的构造过程I(S,S,....S)Plog(P)12mt2t
I1计计算初始熵
|Si|
其中，数据集为S，m为S的分类数目，pt
Ci为某分类标号，Pt为任意样本属于Ci的概率，si为分类Ci上的样本数
属性的选择
VS+S+...S1j2jmjE(A)I(S1j,S2j,XXX)Gain(A)=I(S1,S2,XXX)E(A)SJ1
A为属性，具有V个不同的取值
2.决策树基本思想
使用信息论原理对大量实例的特征进行信息量分析，计算数据特征的互信息或信道容量，找出反映类别的重要特征。通过某种度量准则选取最优的属性或属性组合，对样本数据进行分类，基于样本数据中各个样本对应的属性值，形成若干分支，并尽量保证同一分支中的样本属于同一类别，这样可以对数据样本或新的样本进行分类。
3.决策树的优点与缺点
◆可以处理连续和离散字段；
◆易于生成可以理解的规则；
◆比较直观，计算量相对来说不是很大；
◆它在学习过程中不需要用户了解很多背景知识；
◆可以解释如何得出结果的决策过程。
※不是全局最优；
※存在数据的缺值处理问题。
※处理复杂性的数据时，分支数非常多，管理起来难度大。
九．贝叶斯网络方法：.贝叶斯网络是用来表示变量间连接概率的图形模式，它提供了一种自然的表示因果信息的方法，用来发现数据间的潜在关系。在这个网络中，用节点表示变量，有向边表示变量间的依赖关系。
十．人工神经网络及应用
人工神经网络（ArtificialNeuralNetwork）是一个用大量简单处理单元经广泛连接而组成的人工网络，是对人脑或生物神经网络若干基本特性的抽象和模拟。
神经网络的学习方式：
督学习（有教师学习）②非监督学习（无教师学习）③再励学习（强化学习）
十一.人工生命与智能计算：1.遗传算法；粒子群优化算法；元胞自动机；蚁群算法
2.元胞自动机：是一时间和空间都离散的动力系统。散布在规则格网中的每一元胞(Cell)取有限的离散状态，遵循同样的作用规则，依据确定的局部规则作同步更新。大量元胞通过简单的相互作用而构成动态系统的演化。
十二.人工智能在GIS中的应用与发展
1..智能化GIS是指与专家系统、神经网络、遗传算法等人工智能技术相结合的GIS，它实际上是基于知识的专家系统在GIS中的应用。
2.人工智能在GIS中的应用：①图像解译与模式识别；②地理现象模拟与预测；③资源开发与评价④决策支持系统；⑤智能化GIS