面向分級決策問題的專家系統(tǒng)設計.pdf

1、作為人工智能最活躍的一個研究領域，專家系統(tǒng)自20世紀70年代以來不斷在應用領域中獲得成功，至今已發(fā)展成一個系統(tǒng)化的研究分支，積累了豐富的經驗知識，開發(fā)出遍布各行業(yè)的成功應用。
　　隨著專家系統(tǒng)應用的推廣以及生產和社會需求的膨脹，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雜應用問題，這類問題的復雜性和多態(tài)性對傳統(tǒng)專家系統(tǒng)的應用提出了挑戰(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學本質入手，尋找多級規(guī)劃求解方法，進而揭示出在專家系統(tǒng)中引入分級決策機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)設計。
　　針對概念分級問題，即如何在分級系統(tǒng)中發(fā)現和利用領域問題的層次結構這一核心問題，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、，并對這四種方法進行對比分析，指出它們各自的優(yōu)缺點和適用領域。
　　針對系統(tǒng)設計問題，本文在概念分級基礎上，發(fā)展了經典專家系統(tǒng)結構，提出了面向分級決策問題的專家系統(tǒng)結構和設計方案，融合人工智能技術，通過多分類器構造分級知識庫，從而賦予系統(tǒng)一定的自學習能力，進而圍繞分級結構發(fā)現策略和分級知識庫，將經典專家系統(tǒng)中的知識庫、推理機制、融合機制以及評估機制移植到分級應用背景中來。
　　最后，本文通過高級語言實現了一個用來開發(fā)分級專家