动物识别专家系统

动物识别专家系统

摘要：专家系统是具有人工智能和推理功能的知识系统。本系统用15条规则，可识别7种动物，用C编程实现，并对结果进行了分析。该系统把规则的前提与推理机构结合起来，规则的前提作为推理的情况，规则的结论作为推理过程的状态，推理出最终结果后，就能直接处理，不需要判断。

关键字：专家系统；动物；推理

Animal recognition expert system

Abstract: Expert systems are knowledge systems with artificial intelligence and reasoning function. The system uses 15 rules, and can identify seven kinds of animals, using C programming, and the results were analyzed. The system is the premise and reasoning mechanism combining rules, rules for reasoning rule conclusion as the reasoning process , reasoning out the final result , can directly handle, without judge.

Key words: Expert systems; Animals; Reasoning

1 引言

1.1 专家系统简介

专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题 [1]。

自第1个专家系统1965年问世以来,经过30多年的发展，专家系统在全世界得到广泛的应用，甚至渗透到政治、经济、军事以及人类生活的各个领域。[2] 1.2 专家系统结构

专家系统包括构造、知识库、推理机三部分内容。

其中构造包括：专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。其中尤以知识库与推理机相互分离而别具特色。专家系统的体系结构随专家系统的类型、功能和规模的不同，而有所差异。知识库用来存放专家提供的知识。专家系统的问题求解过程是通过知识库中的知识来模拟专家的思维方式的，因此，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。推理机针对当前问题的条件或已知信息，反复匹配知识库中的规则，获得新的结论，以得到问题求解结果。在这里，推理方式可以有正向和反向推理两种[3]。

专家系统的核心是知识库和推理机，其基本工作过程为：系统根据知识库中的知识和用户提供的事实进行推理，不断地由已知前提推出一些初步结论，并将这些初步结论作为中间结果存放在数据库中，然后将其作为新的已知事实进行下一步推理,往复循环，逐步逼近求解目标。在这个过程中，系统可以通过人机接口不断地与用户交流，向用户提问，或对用户提出的问题做出解释[4]。

下图为专家系统的基本构成。

图1 专家系统基本构成

2 动物识别专家系统

2.1 动物识别专家系统简介

实现一个动物识别专家系统，这个系统应具有一定的有关动物特点的知识，当用户输入对某动物的描述时，能够根据已有的知识，自动判断出所描述的是什么动物；同时应具有学习功能，允许用户在线扩充专家系统的知识库。系统具有的知识如下：

（1）有毛发的动物是哺乳类；（2）有奶的动物是哺乳类；（3）有羽毛的动物是鸟类；（4）若动物会飞且生蛋则是鸟类，（5）吃肉的哺乳类称为食肉动物，（6）有犬齿有爪眼盯前方的动物是肉食动物（7）有蹄的哺乳类是有蹄类，（8）嚼反刍动物的哺乳动物是有蹄类动物（9）黄褐色有暗斑点的食肉类是金钱豹，（10）黄褐色有黑色条纹的食肉类是老虎，（11）脖有黄褐色暗斑点的有蹄类是长颈鹿，（12）黑色条纹的有蹄类是斑马，（13）长脖的鸟类是鸵鸟，（14）冰泳的鸟类是企鹅，（15）善飞的鸟类动物是信天翁。

系统实现对下列知识进行学习：长颈鹿、斑马。

在知识库中，并非简单地给每一种动物一条规则。首先，将动物粗略地分为哺乳动物、鸟、肉食动物3大类，然后逐步缩小分类范围，最后给出识别7种动物的规则。图 2 给出了识别长颈鹿和斑马的推理网络。

图2 长颈鹿和斑马的推理网络

2.2 动物识别专家系统推理

系统的知识有因果关系，例如：有毛发的动物是哺乳类，可推出有毛发为哺乳类（动物可省）将因果关系中的条件称为父节点，结论称为子节点，一个因果关系中的父节点可能成为另一关系中的子节点，这样，知识系统就成为一个树状结构。

同一子节点的多个父节点间有两种关系：与关系和或关系相应的父节点有两种类型$：与节点和或节点。多个父节点中只要有一个成立，就能推出子节点，称该父节点为与节点。如上例：多个父节点必须全部成立，才能推出子节点，称该父节点为或节点。如“长脖的鸟类是鸵鸟”子节点鸵鸟必须满足父节点长脖、父节点鸟类同时成立时，才能得出“鸵鸟”。父节点和子节点的特征表述不一定要完全准确，但要尽量接近。

选择一个合理的数据结构将有利于推理机的实现和知识库的扩充。节点的数据结构应该包含节点所代表的意义，同时应包含节点的激活信息。

首先从规则库中取出第一条规则 R1，检查其前提是否可与数据库中的已知事实相匹配。R1的前提是“有毛发”，但事实库中没有这一事实，故匹配失败。接着取规则 R2，它的前提可以与事实库中的已知事实“有奶”相匹配，R2 被执行，并将其结论“该动物是哺乳动物”作为新的事实加入到数据库中。此时，数据库的内容变为：动物有暗斑，有长脖子，有长腿，有奶，有蹄，是哺乳动物。

再从规则库中取 R2 ，R3 ，R4 ，R5 ，R6 进行匹配，结果都匹配失败。接着取 R7，其前提与事实库中的已知事实“是哺乳动物”和“有蹄”相匹配，因