《专家系统的结构和应用》求取 ⇩

1专家系统引论1

1.1概况1

1.1.1 什么是专家系统1

1.1.2 专家系统的历史和发展6

1.2专家系统的特点15

1.2.1专家系统的特性16

1.2.1.1 知识表示16

1.2.1.2 知识转移18

1.2.2 专家系统和其它系统的区别19

2专家系统设计的基本概念22

2.1 符号22

2.2搜索25

2.2.1基本搜索法26

2.2.1.1 深度优先法（Depth First Search）27

2.2.1.2 广度优先法（Breadth First Search）28

2.2.2.3 爬山法（Hill Climbing）28

2.2.2基本搜索策略30

2.2.2.1 回溯策略（Backtracking Strategies）30

2.2.2.2 图搜索策略（Graph Search Strategies）31

2.2.3启发式搜索策略（Heuristic Search Strategies）32

2.2.3.1 估价函数33

2.2.3.2 A算法34

2.2.4 与或图搜索36

2.2.5 抽象空间搜索39

2.2.6 生成——测试法40

2.3符号推理41

2.3.1 假设与约定41

2.3.2 从属性和判断42

2.3.3 约束与目标44

2.3.4 分解为元问题45

3专家系统中的知识表达技术47

3.1 知识的定义47

3.2 知识表示的属性49

3.3知识表示模式51

3.3.1 逻辑模式51

3.3.2 产生式规则表示法53

3.3.3 语义网络表示法55

3.3.4 框架模式58

3.3.5 脚本模式（Script）62

3.3.6 多层次知识模块表示法63

3.3.7 过程模式64

3.3.8 知识表达语言65

3.3.9 神经网络表示法66

4专家系统中的推理机制69

4.1推理方式69

4.1.1 演绎推理69

4.1.2 归纳推理71

4.1.3 非单调推理72

4.1.4 定性推理74

4.1.5 不精确推理77

4.2推理控制策略81

4.2.1 冲突消解策略82

4.2.2 后向链控制策略84

4.2.3 前向链控制策略87

4.2.4混合控制策略88

4.2.4.1 中间——结局分析法89

4.2.4.2 计划—生成—测试策略91

4.2.4.3 双向推理技术92

4.2.5 多级控制策略93

5专家系统中的不确定性95

5.1不确定信息的表示和处理95

5.1.1 数值方法96

5.1.2 非数值方法97

5.2主观Bayes方法100

5.2.1 Bayes公式的修改形式100

5.2.2 Bayes修改公式的实际应用104

5.2.3 证据合成106

5.3信任度的应用108

5.3.1信任度108

5.3.1.1 信任度的完备标准108

5.3.1.2 绝对信息量C（H）和相对信息量C（H|E）109

5.3.1.3 信任度的设计方法112

5.3.2信任度在MYCIN系统中的应用113

5.3.2.1 CF113

5.3.2.2 证据组合115

5.3.2.3 可信度叠加116

5.3.2.4 CF的两个极值问题117

6专家系统的任务和结构120

6.1 专家系统的任务120

6.2 专家系统的一般结构123

6.3专家系统结构的选择127

6.3.1 知识和数据可靠的简单任务：穷尽法127

6.3.2 求解空间大，但可划分子空间的任务：生成——测试法129

6.3.3 空间大而可分，但无评价部分解的任务：空间抽象——匹配法131

6.3.4 子问题相关的任务：最佳调度法133

6.3.5 无固定的子问题划分方法：由顶向下逐步完善法136

6.3.6 子问题互相作用：最小约束法137

6.3.7 大型求解空间有大量类似解，或知识不全：试探法140

6.3.8 求解空间不可测：猜测方法143

6.3.9 求解问题的知识面宽而复杂：多知识表达法144

6.3.10 数据不全、不可靠：非精确性推理法146

6.3.11 求解空间状态和数据随时间而变化：状态算法148

7规则基专家系统——MYCIN152

7.1 概述152

7.2系统的知识表达157

7.2.1静态知识基157

7.2.1.1 规则基157

7.2.1.2 静态知识表168

7.2.2动态数据基169

7.2.2.1 患者数据169

7.2.2.2 动态记录数据170

7.2.2.3 上下文结点类的特性171

7.2.2.4 有关上下文树信息171

7.3系统控制结构172

7.3.1 规则调用方法172

7.3.2 推理网络175

7.3.3 上下文树178

7.3.4 临床参数的追踪步骤180

7.3.5基本控制结构的变异182

7.3.5.1 MAINPROPS182

7.3.5.2 先行规则（ANTECEDENT RULES）182

7.3.5.3 自参考规则（SELF—REFERENCING RULES）183

7.3.5.4 映射函数（MAPPING FUNCTION）183

7.3.6选择治疗方案184

7.3.6.1 编制治疗方案184

7.3.6.2 选择最优处方185

7.4 信任度计算模型186

7.5 知识获取187

7.6 一个咨询例子188

8语义网络专家系统——PROSPECTOR191

8.1 概述191

8.2系统知识192

8.2.1 地质知识的表达和应用192

8.2.2 系统中的语义网络195

8.3推理网络199

8.3.1 推理网络的概率传递199

8.3.2 推理网络的转换202

8.3.3 网络参数估计204

8.3.4 用户界面207

8.4控制策略209

8.4.1 初始条件209

8.4.2 自动提交信息210

8.4.3 标记I搜索算法210

8.4.4 状态和信息产生212

8.4.5 J评价函数213

8.4.6 结束条件214

8.5矿床模型设计215

8.5.1 模型设计215

8.5.2 模型性能评价216

8.6 一个咨询例子219

9框架式专家系统——AM222

9.1 概述222

9.2系统知识表达223

9.2.1 概念的表达223

9.2.2 平面的表达225

9.2.3启发式规则233

9.2.3.1 启发式规则形式233

9.2.3.2 启发式规则提出新任务234

9.2.3.3 启发式规则建立新概念235

9.2.3.4 启发式规则填充一个平面237

9.2.3.5 相关启发式规则的收集239

9.2.3.6 AM的启发式规则基241

9.3控制策略243

9.3.1AM的搜索243

9.3.1.1 概念的存贮243

9.3.1.2 AM的任务243

9.3.1.3 AM搜索的约束245

9.3.2 事件表245

9.3.3 全局评价函数246

9.4 AM的实现247

10模型驱动型专家系统——GAI248

10.1概述248

10.1.1 背景248

10.1.2 例题249

10.2系统控制251

10.2.1 控制过程251

10.2.2 数据检查252

10.2.3 生成器约束253

10.2.4 生成假设253

10.2.5 评审候选结构256

10.2.6 性能评价256

10.3和DENDRAL的比较257

10.3.1 DENDRAL程序介绍257

10.3.2 GAI和DENDRAL的比较258

11知识基管理专家系统——TEIRESIAS260

11.1概述260

11.1.1 知识和元知识261

11.1.2 TEIRESIAS和MYCIN263

11.2系统的元知识表达265

11.2.1 规则模型265

11.2.2 数据结构程式267

11.2.3 元规则272

11.3系统元知识的应用273

11.3.1知识获取273

11.3.1.1 规则获取274

11.3.1.2 概念元获取278

11.3.2 解释281

11.3.3 知识管理策略283

12专家系统在各领域中的应用285

12.1在医学上的应用285

12.1.1 CASNET285

12.1.2 INTERNIST286

12.1.3 PIP（Present Illness Program）288

12.1.4 Digitalis Therapy Adivisor（洋地黄治疗建议）290

12.1.5 IRIS290

12.1.6 EXPERT292

12.2在化学上的应用293

12.2.1 CONGEN系统和它的扩展294

12.2.2 元DENDRAL系统294

12.2.3 CRYSALIS系统296

12.2.4 在有机合成中的应用297

12.3在教育上的应用298

12.3.1 SCHOLAR300

12.3.2 WHY302

12.3.3 SOPHIE304

12.3.4 WEST307

12.3.5 WUMPUS309

12.3.6 GUIDON310

12.3.7 BUGGY314

12.3.8 EXCHECK315

12.4 工程咨询系统317

12.5 在数据库管理中的应用319

参考文献323