基于Rough集和ANN的專家系統(tǒng)知識獲取研究.pdf

1、專家系統(tǒng)作為人工智能重要的應(yīng)用之一，在近幾十年的發(fā)展中理論和技術(shù)逐漸成熟，在許多領(lǐng)域中取得了廣泛和成功的應(yīng)用。專家知識的獲取是開發(fā)專家系統(tǒng)的重要環(huán)節(jié)，但由于傳統(tǒng)的專家知識獲取方法效率低下，一直是專家系統(tǒng)開發(fā)的“瓶頸”問題。Rough曲集(粗糙集)和ANN(人工神經(jīng)網(wǎng)絡(luò))由于各自在知識獲取中的優(yōu)勢及良好的互補特性，因此二者相結(jié)合的知識自動獲取研究為解決專家系統(tǒng)的瓶頸問題提供了很好的思路。二者結(jié)合的主要思路是把粗糙集理論作為神經(jīng)網(wǎng)絡(luò)的前端處

2、理器，應(yīng)用粗糙集理論的知識約簡功能，去除原始數(shù)據(jù)中的冗余屬性，把約簡之后的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入，以此降低神經(jīng)網(wǎng)絡(luò)輸入的維數(shù)，縮小網(wǎng)絡(luò)規(guī)模并提高輸入數(shù)據(jù)的質(zhì)量，使得訓練后的網(wǎng)絡(luò)具有較好的泛化能力和預(yù)測精度。 按照這個思路，本文對基于Rough曲集和ANN的專家系統(tǒng)知識獲取問題進行了研究。本文首先介紹了專家系統(tǒng)及其知識獲取的基本理論與方法，并分析了其傳統(tǒng)知識獲取方法的不足；然后，本文對粗糙集和神經(jīng)網(wǎng)絡(luò)的基本理論進行了簡要介紹，并對