《模糊专家系统原理与设计》求取 ⇩

第一章 绪论1

1．1 人工智能与专家系统1

1．2 专家系统的基本结构与功能3

1．3 专家系统中的不确定性8

1．4 现有专家系统中不确定性的几种主要处理方法9

1．5 模糊专家系统11

第二章 模糊不确定性信息表达与处理的数学基础15

2．1 模糊集合理论的一些初步知识15

2．1．1 普通集合与模糊集合15

2．1．2 模糊集合上的运算及其性质18

2．1．3 模糊关系与模糊等价关系21

2．1．4 分解定理与表现定理23

2．1．5 扩展原理25

2．2 模糊统计与隶属函数的确定27

2．2．1 确定隶属函数的一般方法27

2．2．2 带确信度的德尔菲法29

2．2．3 基于集值统计的模糊统计31

2．2．4 二元对比排序法35

2．2．5 综合加权法36

2．2．6 可供选用的一些常用隶属函数37

2．3 可能性分布与模糊测度43

2．3．1 模糊限制与可能性分布43

2．3．2 模糊集合的可能性测度46

2．3．3 多元可能性分布48

第三章 模糊专家系统中知识的表示方法53

3．1 知识的特征及其分类53

3．1．1 专家知识及其属性53

3．1．2 专家系统中常用知识的种类及其特征54

3．2 模糊性知识的规则表示56

3．2．1 基本产生式系统56

3．2．2 产生式规则表示法应用举例57

3．2．3 模糊产生式系统与模糊产生式规则61

3．2．4 模糊规则及模糊数据的具体表达方法62

3．2．5 模糊产生式系统运行举例64

3．3 模糊知识表达的框架方法69

3．3．1 “静态”知识的框架表示69

3．3．2 框架表示下的推理过程72

3．3．3 基于模糊框架的模糊知识表示73

3．4 模糊知识表达的语义网络方法74

3．4．1 语义网络及其形式化描述74

3．4．2 语义网络表示下的推理76

3．4．3 模糊知识的语义网络表示方法77

3．5 因素神经网络——一种新的模糊知识表示网络79

3．5．1 用因素神经网络表示知识的基本考虑79

3．5．2 因素神经网络与因素神经元80

3，5．3 因素神经网络中模糊知识的表示方法85

第四章 基于模糊技术的不确定性推理87

4．1 现有专家系统中几种常用的不确定性推理模型87

4．1．1 不确定性推理模型的基本结构88

4．1．2 不确定性推理的主观Bayes模型89

4．1．3 不确定性推理的确定性理论模型93

4．1．4 不确定性推理的证据理论模型95

4．2 模糊推理的基本概念和基本方法101

4．2．1 模糊命题与模糊逻辑102

4．2．2 模糊推理的基本模式和基本方法105

4．2．3 带有模糊真值限定时的模糊推理方法110

4．3 直接构造模糊关系矩阵的实用方法112

4．3．1 假设分布形式的统计回归方法112

4．3．2 概率及集值统计方法113

4．3．3 用信息扩散模型处理模糊信息114

4．4 多重多维蕴涵的模糊推理方法114

4．4．1 多维模糊推理的一般方法115

4．4．2 多重模糊推理的推理方法117

4．4．3 多重多维模糊推理的推理方法119

第五章 模糊专家系统设计与开发的一般方法121

5．1 有关专家系统开发的几个基本问题121

5．1．1 专家系统的基本特征是什么121

5．1．2 谁需要专家系统122

5．1．3 谁来开发专家系统124

5．2 如何开发专家系统125

5．2．1 专业领域及问题域的确认125

5．2．2 系统的规划与设计129

5．2．3 领域相关知识的获取130

5．2．4 系统的实施131

5．2．5 系统测试与评估131

5．2．6 系统的长期完善与发展133

5．3 模糊专家系统开发的难点与优势133

5．4 关于模糊专家系统开发的几点建议134

第六章 模糊专家系统开发工具及环境的选择139

6．1 专家系统开发与专家系统开发工具139

6．2 专家系统开发工具的选择141

6．2．1 选择专家系统开发工具时需考虑的问题141

6．2．2 专家系统开发工具的几项选择准则142

6．2．3 已选用开发工具的测试与评价143

6．3 一些可供选用的开发工具简介143

6．4 模糊专家系统开发工具FRDS简介158

6．4．1 FRDS的主要功能模块158

6．4．2 FRDS中图形编辑器的基本功能159

6．4．3 FRDS中编译器的基本功能160

第七章 可用于模糊专家系统开发的知识处理语言163

7．1 程序设计语言与知识处理语言163

7．2 逻辑程序设计语言Prolog164

7．2．1 Prolog语言简介164

7．2．2 Prolog语言的基本语法165

7．2．3 Prolog程序的执行与控制167

7．2．4 Prolog中的项与表173

7．2．5 Prolog中的内部谓词173

7．2．6 Turbo-Prolog简介176

7．3 Prolog语言模糊化研究177

7．3．1 Fuzzy-Prolog系统XDFPS的研制177

7．3．2 f-Prolog语言的一个实现框架184

7．3．3 扩展Prolog语言而成的EXTOOL语言189

7．4 通用可能性模糊关系语言PRUF194

7．4．1 模糊命题及其翻译194

7．4．2 PRUF中的几个翻译规则196

7．4．3 PRUF中的模糊推理201

7．4．4 模糊提问及解答过程204

7．5 模糊逻辑语言FLL-1206

7．5．1 FLL-1语言的语法和语义206

7．5．2 FLL-1语言的形式文法209

7．5．3 FLL-1语言的属性文法210

第八章 模糊专家系统开发的实践及经验介绍217

8．1 模糊产生式系统FMUFL217

8．1．1 FMUFL的体系结构217

8．1．2 FMUFL中模糊集合的表示方法218

8．1．3 FMUFL中知识的表示模式219

8．1．4 FMUFL中的模糊匹配222

8．1．5 FMUFL中的模糊推理223

8．1．6 FMUFL中的冲突解决策略224

8．1．7 FMUFL中模糊产生式规则的执行226

8．1．8 FMUFL中的程序设计环境226

8．1．9 FMUFL运行的一个实例227

8．2 梁式结构损伤状态评估专家系统EDSBSES232

8．2．1 EDSBSES的体系结构232

8．2．2 EDSBSES的因素关系表232

8．2．3 EDSBSES中因素状态的模糊表达234

8．2．4 EDSBSES中的知识表达234

8．2．5 EDSBSES的知识库235

8．2．6 EDSBSES系统的推理过程及应用236

8．3 证券投资模糊专家系统IES237

8．3．1 为什么要开发证券投资专家系统237

8．3．2 IES系统的主要功能238

8．3．3 IES系统中的模糊推理方法239

8．3．4 IES系统中的规则管理239

8．3．5 IES系统中的规则模拟240

8．3．6 IES系统中的学习功能241

8．3．7 IES系统的运用242

第九章 基于神经网络的模糊专家系统243

9．1 专家系统开发的“瓶颈”及神经网络技术的“引入”243

9．1．1 专家系统开发的“瓶颈”243

9．1．2 神经网络技术的“复兴”244

9．2 采用神经网络技术的专家系统246

9．2．1 采用神经网络技术的专家系统的一般功能与结构246

9．2．2 能实现映射变换的三层前馈型B-P网络247

9．2．3 能实现映射变换的三层BM网络250

9．2．4 神经网络型专家系统中的模式存贮与联想记忆252

9．2．5 可实现自联想记忆的Hopfield网络252

9．2．6 双向联想存贮器及其功能255

9．3 采用神经网络技术的模糊专家系统258

9．3．1 前馈型模糊推理网络258

9．3．2 模糊模式的联想存贮记忆260

9．3．3 模糊双向联想记忆网络261

第十章 结束语265

参考文献267