《专家系统与知识工程》复习要点
专家系统第4章知识获取和知识库管理
4.2 知识获取的基本过程
4.2.6 修改完善阶段 在建造ES过程中，修改和完善几乎是不断的过程， 包括： 概念的重新陈述； 表示的重新设计； 原型系统的精练。 对于原型系统的精练，常常循环反复地贯穿于实现 和测试阶段，以协调或校正规则及其控制结构，直至达 到期望的运行结果。 一旦ES的推理作用域稳定了，修改的结果应该在性 能上收敛。否则，就需要知识工程师对知识库进行比较 重大的修改了。
此外，知识工程师还要花费大量时间与精力，同领域专 家密切合作，获取属于专家个人的启发性知识。
第4章 不确定性推理
Uncertainty Reasoning
7
4.1 知识获取获取
实践表明，获取专家的启发性知识是十分困难的任 务，主要原因有： 知识表现失配。 具体地说，人类专家通常陈述知识的方法与ES采用 的知识表示方法不一致。 专家的启发性知识是不精确的。 专家的启发性知识往往隐含着近似、不确定、不充 分、不完全，甚至产生矛盾。目前，ES中表示不精确知 识的能力是十分有限的。 有些启发性知识表示的不可能性。 领域专家凭借多年总结和积累的实践经验，采用独 特的方法和有效的手段，去解决困难问题，但难以把这 些经验和策略方法显式的表达出来。“知其然，不知其 所以然”是知识工程师在知识获取中经常遇到的问题。
11
4.2 知识获取的基本过程
建造一个ES通常要经历五个阶段： 确定阶段 概念化阶段 形式化阶段 实现阶段 测试阶段 这几个阶段是密切相关的，它们之间是相互制约的关系。
重新表示
识别问题 特征 确定
重新设计
设计组织 知识的结构 形式化
专家系统与知识工程
专家系统与知识工程由于专家系统是基于知识的系统，那么，建造专家系统就涉及到知识的获取（即从人类专家那里或从实际问题那里搜集，整理，归纳专家级知识）,知识表示（即以某种结构形式表达所获取的知识，并将其存储于计算机之中），知识的组织与管理（即知识库简历与维护等）和知识的运用（即使用知识进行推理）等一系列关于只是处理的技术和方法。
特别是基于领域知识的各种知识库系统的建立，更加促进了这些技术的发展。
所以，关于知识处理的技术和方法已形成一个称为“知识工程”的学科领域。
这就是说专家系统促使了知识工程的诞生和发展，知识工程又为专家系统提供服务。
正是由于它们之间的密切关系，现在的专家系统与知识工程几乎已成为同义词。
以知识为处理对象知识工程,作为一门应用学科,已成为人们研究的一个热门课题. 知识工程的诞生赋予了专家系统以新的活力,并将专家系统进一步推向应用;专家系统又为知识工程的发展提供了理论基础. 因此,本文就专家系统与知识工程作初步探讨,并综述如下:1知识工程的兴起是专家系统发展的产物在开发专家系统过程中,许多研究者已形成这样的共识:专家系统是个知识处理系统,而知识表示、知识利用和知识获取则成了专家系统的三个基本问题. 专家系统应该具备这些特点:处理的“信息”是“知识”,而不是“数据”;传送的“信息”是知识,而不是字符串;“信息”的处理是对问题的求解和推理,而不是按既定进程进行计算;“信息”的管理是知识的获取和利用,而不是数据收集、积累和检索等。
1968 年美国斯坦福大学计算机科学家费根鲍姆教授领导的研究小组研制的第一个专家系统——化学专家系统获得成功,打破了专家系统领域的沉闷空气,使一度处于低谷的专家系统研究重新获得了生机. 一方面使专家系统找到了应用,另一方面专家系统得以新生. 随后在世界范围兴起了一个研究各种领域专家系统的热潮,使得关于知识处理的研究受到越来越多学者们的重视. 1977 年费根鲍姆教授在第五届国际专家系统会议上提出“知识工程”的新概念. 他认为,知识工程是用专家系统的原理和方法,为那些需要专家知识才能解决的应用难题提供求解的手段. 因此,恰当运用知识的获取、表达和推理技术构成与解释知识系统,是设计基于知识系统的重要技术问题. 通过研究者的努力,70 年代后期,知识工程,专家系统开始广泛应用,出现了一些专家系统开发工具;80 年代出现了多学科综合型专家系统即知识型系统. 特别是日本第五代计算机计划的提出和专家系统的研究日益取得广泛的应用. 知识工程像一颗璀璨的明珠,也日益闪耀光芒. 因此说知识工程是专家系统发展的产物.2 知识工程是专家系统的一个重要分支前面讨论了知识工程是专家系统发展的产物,现在进一步讨论知识工程是专家系统的重要分支的问题. 什么是知识工程?人们普遍认为,知识工程是以知识为处理对象,借用工程化的思想,对如何用专家系统的原理、方法、技术为设计、构造和维护知识型系统的一门学科,是专家系统的一个应用分支. 知识工程的目的是在研究知识的基础上,开发智能系统. 因此,知识的获取、知识的表示、知识的运用便构成知识工程的三大要素. 知识工程的核心则是专家系统.从知识工程的研究内容看,知识工程的研究内容主要包括:基础理论研究、实用技术的开发、知识型系统工具研究和智能机等相关课题的研究. 其中基础理论研究基本理论方法,包括:知识的本质、知识的表示、推理、获取和学习方法等;实用技术主要研究解决建立知识系统过程中遇到的问题,包括:实用知识表示方法、实用知识获取技术、实用知识推理方法、知识库结构系统、知识系统体系结构、知识库管理技术、知识型系统的调试与评估技术、实用解释技术、实用接口技术等;建立知识型系统工具主要是为了给系统的开发提供良好的环境工具,以提高系统研制的质量和缩短系统研制周期等.从知识工程系统特点看,知识工程系统能解决专家水平的问题;系统能快速的进行假设和搜索解答;系统能做出具有专家水平的解答;系统具有大量的基础知识和通用的问题求解能力;系统应能选择问题的恰当的表示方式;其中的知识型系统是一个符号系统;系统具有自动推理的能力;能从结构步骤分析、解决、推理问题等,这些都表现出具有专家系统及其系统的特点. 因此,可以说知识工程是专家系统的一个重要应用分支.3 知识工程的发展进一步将专家系统推向更广泛的应用领域传统专家系统不能进入实用的主要原因:一是专家系统中的知识库中只含有少量的规则和事实;二是专家系统的效率极低. 知识工程的研究使专家系统的研究从理论转向更深入的应用,从基于推理的模型转向基于知识的模型,包括了整个知识信息处理的研究. 知识工程的核心是专家系统,知识工程的发展首先决定于专家系统的发展,专家系统的发展必将推动专家系统的应用. 专家系统的开发有三个基本的要素:领域专家、知识工程师、大量实例. 在建立专家系统时,首先由知识工程师把各领域专家的专门知识总结出来,以适当的形式存入计算机,建立起知识库( KB) ,根据这些专门知识,系统可以进行推理,做出判断和决策,能够解决一些只有人类专家才能解决的困难问题,专家系统主要是指软件系统.到目前为止,专家系统的发展主要经历了三代:以化学专家系统、数学专家系统为代表的第一代专家系统,其特点是:专业性较强,整个系统结构、知识和推理依赖较强,没有把知识库和推理机制分开,难以修改、扩充和移植;以医疗诊断专家系统,地质探矿专家系统,数学发现专家系统等为代表的第二代专家系统,其特点是:知识库和推理机分开,系统的模块化和结构化程度较高,具有咨询解释机制,能够进行非精确推理,采用专家系统语言系统进行编辑; 以多学科综合型专家系统,骨架型专家系统等为代表的第三代专家系统,其特点是:强调知识库管理系统建立,倾向于大规模和综合性,重视专家系统开发工具和环境的开发,而不是仅仅开发某个专用的专家系统. 特别是近十年来,知识工程的开发广泛应用于社会各个领域,大大提高了工作效率和工作质量;并已产生巨大的社会效益和经济效益. 据报导,全世界的知识工程的产值每年以超过20 %的增长速度在发展,足见其生命力之旺盛. 因此知识工程的发展推进了专家系统的应用层次,使专家系统的理论走向更深入、广泛的领域.综上所述,知识工程与专家系统有着密切的关系. 专家系统的突破,不仅使专家系统的发展得到了转机,而且开辟了通向知识工程的道路. 一方面随着专家系统技术的不断发展,知识工程正在形成一门新兴的边缘学科,人类正在从数据处理走向知识处理;另一方面,知识工程的发展进一步丰富了专家系统的研究内容,为专家系统找到了更广泛的应用领域.目前,许多国家都把专家系统、知识工程的研究、开发和应用列入发展战略的议事日程,成为本国高科技发展规划的重要组成部分. 现在人们正从如下方面进行研究: (1) 基本理论方法研究; (2) 系统开发及商品化研究; (3) 系统工具的研究. 相信,随着这些理论的日趋成熟、知识工程系统的进一步商品化. 可以预见,今后以知识处理为核心的知识信息处理系统将得到广泛应用,智能计算机系统将成为社会交流、决策、规划和信息处得的主要工具. 下一世纪必将是“知识处理的年代”、“知识工程的年代”、“智能计算机系统的年代”专家系统与知识工程班级：08自动化组员：0823105010 蒋杨文0823105011 邝瑞兴0823105012 王新阳2011.10.26。
系统工程复习资料2
系统工程复习资料2系统工程复习资料1.系统：是由若干相互作用和相互依赖的组成部分结合而成，具有特定功能的有机整体。
（系统工程学定义）2.系统的属性（填空题）：集合性（整体性）－－由两个以上的要素组成的有机整体关联性（相关性）－－组成要素是相互联系、相互作用的目的性－－系统具有某种功能环境适应性－－具有从属关系、依靠反馈系统实现3. 系统的分类（类型）（选择题）：自然系统与人造系统（自然属性）实体系统与概念系统（物质属性）动态系统与静态系统（运动属性）封闭系统与开放系统（规模与复杂程度）4.整体思想和联系思想是科学系统思想的核心与实质。
5.一般系统论、控制论、信息论、耗散结构理论、协同学及自组织理论等是系统理论的重要内容和系统工程学的理论基础。
6. 系统工程学定义：（所谓系统工程（SE），是用来开发、运行、革新一个大规模复杂系统所需思想、程序、方法的总和（或总称）。
7.系统工程学的引用领域1970s末以来，应用SE理论和方法来研究与解决我国的重大现实问题，在许多领域和方面取得了较好的效果人口问题的定量研究及应用（始于1978年）2000年中国的研究(1983至1985年）全国和地区能源规划（始于1980年）全国人才和教育规划（始于1983年）农业系统工程（始于1980年）区域发展战略（始于1982年）投入产出表的应用（始于60年代和1976年）军事系统工程（始于1978年）水资源的开发利用（始于1978年）等1990s以来，系统工程在与企业发展结合、与现代信息技术结合、与实施可持续发展战略结合、与思维科学结合等方面已具有初步结果和强劲势头。
8.SE强调以下基本观点：(1) 整体性和系统化观点（前提）(2) 总体最优或平衡协调观点（目的）(3) 多种方法综合运用的观点（手段）(4) 问题导向及反馈控制观点（保障）9.思考讨论题结合系统工程应用领域，说明系统工程在你所学专业领域的可能应用及其前景。
10.运筹学定义“运筹学是在实行管理的领域，运用数学方法，对需要进行管理的问题统筹规划，作出决策的一门应用科学。
知识工程与专家系统
知识工程与专家系统1 .知识是什么所谓知识，是人们对自然现象的认识和从中总结出的规律、经验。
人类的知识是极其丰富与庞杂的，如何规范描述这些认识、规律、经验一直是人们所探讨的问题，至今没有一个统一模式，但常用K = F + R + C来表述，其中K 表示知识项(Knowledge Items ) ;F 表示事实(Facts ) ，是指人类对客观世界、客观事物的状态、属性、特征的描述，以及对事物之间的关系的描述;R 表示规则(Rules ) ，是指能表达在前提与结论之间的因果关系的一种形式;C 表示概念(ConcePts ) ，主要指事实(术语)的含义、规则的语义说明等。
知识的层次关系描述如图6 一30 所示，其中再生知识是指人们在对客观世界、客观事物认识和总结的基础上，升华提高的系统的专业知识，这些知识被人们学习、传授、再提高、再扩充，最终为人类的需要服务。
2 .知识工程人类智能的衡量反映在对问题的求解、推理能力，学习能力，联想能力上，这就是所谓的“智能三要素”。
如何用计算机系统来实现这些能力，那就是知识工程(Knowledge Based Engineer -ing , KBE )所要解决的问题。
此外，如何通过知识库获得新的知识、新的结论、新的规律等;知识处理系统和知识库的工程设计与实现等间题;人与知识处理系统、知识库之间的界面如何进行交互作用，各种知识处理系统之间的关系问题，以及对知识结构、知识库的研究，这些问题及其实现方法和技术就构成了“知识工程”，或称“知识处理学”。
知识工程是获取特定领域知识并将它送到知识库中去的过程，它是一种设计方法学，使用启发式的设计规则，涵盖构件、装配和系统的开发，系统存储的产品信息模型包含了几何和非几何信息，以及描述产品如何设计、分析和制造的工程准则。
比起其他基于知识的系统，知识工程更加专注于工程设计以及后继的制造、销售等活动。
对知识的处理至少包括以下几个方面：l )知识的表示如何把这些知识用计算机所能接受的形式表示出来，这就是知识表示要研究的问题，应能提供给用户一种或多种知识表示方法，目前已有的知识表达方法有谓词逻辑方法，以框架为基础的知识表示方法，产生式规则，语义网络方法，脚本方法，过程式方法，直接表示法等.同时，一个良好的知识表示方法应该具有充分表达、有效推理、便于管理和易于理解等性能。
系统工程复习重点全部
系统⼯程复习重点全部20XX年《系统⼯程》复习要点1系统概念与系统思想（1）系统基本概念，要素、联系·系统----由两个以上相互联系、相互作⽤的要素所组成的具有特定结构、功能和环境的整体。
·系统包含：系统要素、系统环境、系统边界、系统输出、系统输⼊、联系(输⼊---系统---输出：功能) ( 要素+联系：结构)·要素：系统内部具有⼀定独⽴性的“零件”。
最⼩的基本单元----从研究系统的⽬的来看不需要再加以分解和追究其内部构造的基本成分。
·联系：是指要素之间的关联。
（2）功能（输⼊、输出）、结构、环境·系统功能：系统在与外部环境的相互联系、相互作⽤中表现出来的功效和能⼒。
系统的功能是系统的各个要素所不具备的。
⼀个系统的功能就是从外界对系统输⼊到系统向外界输出的变换。
系统在不同状态有不同功能。
系统与外部环境之间相互联系和作⽤过程的秩序和能⼒称为系统的功能。
系统的功能体现了⼀个系统与外部环境之间的物质、能量和信息的输⼊与输出的变换关系。
系统功能是系统内部固有能⼒的外部体现。
·系统结构：系统内各个要素之间的相对稳定的组织和秩序。
系统的结构就是系统保持整体效应及具有⼀定功能的内在联系，即系统内部各组成要素之间在空间和时间⽅⾯的相互联系与相互作⽤的⽅式或顺序。
·系统环境：存在于系统周围并与系统有关（有联系）的各种因素的集合。
系统与环境存在互动。
（3）系统的6特点·集合性、相关性、⽬的性、层次性、整体性、开放性2．系统⼯程基本概念·系统⼯程是⽤来开发、运⾏、⾰新⼀个⼤规模复杂系统所需思想、程序、⽅法的总和（或总称）。
在运筹学、系统理论、管理科学等学科基础上形成的⼀门交叉学科。
（1）系统⼯程的研究对象⼤规模复杂系统特点：规模庞⼤、结构复杂、构成（要素不同质（经常为⼈-机系统）联系所组成；的结构复杂、动态）、多重⽬标（追求多⽬标的优化、各⽬标间可能存在冲突）、经济性突出（2）系统的思想特点系统理论揭⽰系统的结构、功能、环境之间的关系问题，系统⼯程利⽤系统思想为⼈类的⽣存和发展服务。
系统工程 重点知识考点背完就能过
第一章1. 系统老三论：系统论，控制论，信息论。
2.系统：是由两个及两个以上有机联系，相互作用的要素所组成，具有特定功能，特定结构和特定环境的整体。
3.系统的一般属性：整体性，关联性，环境适应性。
其次还有目的性，层次性。
4.系统类型：（1）自然系统：主要由自然物（动物，植物，水资源）所自然形成的系统。
人造系统：根据特定的目的，通过人的主观努力所形成的系统。
（2）实体系统：凡是以矿物，生物，机械和人群为基本要素所组成的系统。
概念系统：凡是以概念，原理，政策，制度等非物质要素所构成的系统。
（3）动态系统：系统的状态随时间变化而变化的系统。
静态系统：表征系统运行规律的模型中不含有时间因素，即模型的变量不随时间变化，它可视为动态系统的一种特殊情况，即状态处于稳定状态的系统。
（4）封闭系统：该系统与环境之间没有物质，能量和信息的交换，呈现一种封闭状态的系统。
开放系统：系统与环境之间具有物质，能量与信息的交换系统。
第二章1.霍尔三维结构：分逻辑维，时间维和专业维。
逻辑维：摆明问题，系统设计，系统综合，模型化，最优化，决策，实施计划。
时间维：规划阶段，设计阶段，分析阶段，运筹阶段，实施阶段，运行阶段，更新阶段。
专业维：内容表征系统工程所需要的知识，反映系统工程的专业领域。
其核心内容为：最优化。
2.切克兰德方法论：（1）认识问题；（2）根底定义（3）建立概念模型（4）进行比较（5）寻找改善途径（6）选择（7）设计（8）实施(9)评估。
最优化是比较和探寻改善途径。
3.霍尔三维结构与.切克兰德方法论方法论均是系统工程的方法论，具有相应的逻辑过程。
两种方法论的不同点为：（1）霍尔三维结构主要以工程系统为主要研究对象，是研究硬系统。
切克兰德方法论适用于对社会经济等软技术的研究。
（2）前者的核心是优化分析，后者的核心是比较学习。
（3）前者比较关心定量分析方法，后者强调定量和定性相结合的分析方法。
4.系统分析是运用建模，仿真，优化和评价等技术对系统各方面进行定量与定性相结合的分析，为选择最优的系统方案提供决策依据的分析研究过程。
专家系统知识题解答
专家系统知识题解答第七章专家系统7.1.答：（1）专家系统的定义费根鲍姆（E．A．Feigenbaum）：“专家系统是⼀种智能的计算机程序，它运⽤知识和推理步骤来解决只有专家才能解决的复杂问题”专家系统是基于知识的系统，⽤于在某种特定的领域中运⽤领域专家多年积累的经验和专门知识，求解需要专家才能解决的困难问题保存和⼤⾯积推⼴各种专家的宝贵知识博采众长⽐⼈类专家更可靠，更灵活（2）专家系统的特点①具有专家⽔平的专门知识专家系统中的知识按其在问题求解中的作⽤可分为三个层次：数据级、知识库级和控制级数据级知识（动态数据）：具体问题所提供的初始事实及在问题求解过程中所产⽣的中间结论、最终结论数据级知识通常存放于数据库中知识库级知识：专家的知识，这⼀类知识是构成专家系统的基础⼀个系统性能⾼低取决于这种知识质量和数量控制级知识（元知识）：关于如何运⽤前两种知识的知识在问题求解中的搜索策略、推理⽅法②能进⾏有效的推理推理机构——能根据⽤户提供的已知事实，通过运⽤知识库中的知识，进⾏有效的推理，以实现问题的求解.专家系统的核⼼是知识库和推理机③具有启发性除能利⽤⼤量专业知识外，还必须利⽤经验判断知识来对求解问题作出多个假设（依据某些条件选定⼀个假设，使推理继续进⾏）④能根据不确定（不精确）的知识进⾏推理综合利⽤模糊的信息和知识进⾏推理，得出结论⑤具有灵活性知识库与推理机相互独⽴，使系统易于扩充，具有较⼤的灵活性⑥具有透明性⼀般有解释机构，所以具有较好的透明性解释机构向⽤户解释推理过程，回答“Why ？”、“How ？”等问题⑦具有交互性⼀般都为交互式系统，具有较好的⼈机界⾯⼀⽅⾯它需要与领域专家或知识⼯程师进⾏对话以获取知识；另⼀⽅⾯它也需要不断地从⽤户处获得所需的已知事实并回答询问.7.2.答：专家系统的⼀般结构⼈机接⼝、推理机、知识库、动态数据库、知识获取机构、解释机构专⼈机接⼝解释机构知识获取机构知识库推理机数据库⽤户领域专家知识⼯程师家系统核⼼知识库：主要⽤来存放领域专家提供的专门知识(1) 知识表达⽅法的选择（最多的三种表⽰⽅法是产⽣式规则、框架和语义⽹络）①充分表⽰领域知识②能充分、有效地进⾏推理③便于对知识的组织、维护与管理④便于理解与实现(2) 知识库管理冗余和⽭盾⼀致性和完整性安全性推理机模拟领域专家的思维过程，控制并执⾏对问题的求解能根据当前已知的事实，利⽤知识库中的知识，按⼀定的推理⽅法和控制策略进⾏推理，直到得出相应的结论为⽌推理机包括推理⽅法和控制策略两部分推理⽅法有精确推理和不精确推理（已在推理章节介绍）控制策略主要指推理⽅向控制及推理规则选择策略推理有正向推理、反向推理和正反向混合推理推理策略⼀般还与搜索策略有关（已在推理章节介绍）推理机性能/构造与知识的表⽰⽅法有关，但与知识的内容⽆关à保证推理机与知识库的独⽴性，提⾼灵活性知识获取机构“瓶颈”，是建造和设计专家系统的关键基本任务是为专家系统获取知识，建⽴起健全、完善、有效的知识库，以满⾜求解领域问题的需要要对知识进⾏⼀致性、完整性检测⼈机接⼝专家系统与领域专家、知识⼯程师、⼀般⽤户间进⾏交互的界⾯，由⼀组程序及相应的硬件组成，⽤于完成输⼊输出⼯作更新、完善、扩充知识库；推理过程中⼈机交互；结束时显⽰结果内部表⽰形式与外部表⽰形式的转换数据库⼜称“⿊板”、“综合数据库”或“动态数据库”，主要⽤于存放⽤户提供的初始事实、问题描述及系统运⾏过程中得到的中间结果、最终结果等信息数据库是推理机不可缺少的⼯作场地，同时由于它可记录推理过程中的各种有关信息，⼜为解释机构提供了回答⽤户咨询的依据（需相应的数据库管理程序）解释机构：回答⽤户提出的问题，解释系统的推理过程，使系统对⽤户透明7.3答：(1) 传统程序是依据某⼀确定的算法和数据结构来求解某⼀确定的问题，⽽专家系统是依据知识和推理来求解问题，这是专家系统与传统程序的最⼤区别.传统程序= 数据结构+ 算法专家系统= 知识+ 推理(2) 传统程序把关于问题求解的知识隐含于程序中，⽽专家系统则将知识与运⽤知识的过程即推理机分离.（使专家系统具有更⼤的灵活性，使系统易于修改）(3) 从处理对象来看，传统程序主要是⾯向数值计算和数据处理，⽽专家系统则⾯向符号处理.传统程序处理的数据多是精确的，对数据的检索是基于模式的布尔匹配，⽽专家系统处理的数据和知识⼤多是不精确的、模糊的，知识的模式匹配也多是不精确的.(4) 传统程序⼀般不具有解释功能，⽽专家系统⼀般具有解释机构，可对⾃⼰的⾏为作出解释.(5) 传统程序因为是根据算法来求解问题，所以每次都能产⽣正确的答案，⽽专家系统则像⼈类专家那样⼯作，通常产⽣正确的答案，但有时也会产⽣错误的答案（这也是专家系统存在的问题之⼀）.专家系统有能⼒从错误中吸取教训，改进对某⼀⼯作的问题求解能⼒.(6) 从系统的体系结构来看，传统程序与专家系统具有不同的结构.7.4答：可⾏性分析：威特曼（Watermam）从三⽅⾯研究如何选择适合专家系统开发的问题(1)什么情况下开发专家系统是可能的? （满⾜！）①问题的求解主要依靠经验性知识，⽽不需要⼤量运⽤常识性知识②存在真正的领域专家，这也是开发专家系统最重要的要求之⼀专家必须能够描述和解释他们⽤于解决领域问题的⽅法③⼀般某领域中有多个专家，他们应该对领域答案的选择和精确度有基本⼀致的看法④任务易，有明确的开发⽬标，且任务能被很好地理解(2)什么情况下开发专家系统是合理的？（之⼀！）①问题的求解能带来较⾼的经济效益②⼈类专家奇缺，但⼜⼗分需要，且⼗分昂贵③⼈类专家经验不断丢失④危险场合需要专门知识(3)什么情况下开发专家系统是合适的？（特征！）①本质——问题本质上必须能很⾃然地通过符号操作和符号结构来进⾏求解，且问题求解时需要使⽤启发式知识，需要使⽤经验规则才能得到答案②复杂性——问题不是太容易且较为重要③范围——问题需要有适当的范围.选择适当的范围是专家系统的关键，⼀般有两个原则：⼀是所选任务的⼤⼩可驾驭；⼆是任务要有实⽤价值.7.5答：专家系统的设计原则(1)专门任务领域⼤⼩(2)专家合作反复磋商，团结协作(3)原型设计从“最⼩系统”到“扩充式”开发(4)⽤户参与充实、完善知识库(5)辅助⼯具提⾼设计效率(6)知识库与推理机分离体现特征，灵活专家系统的开发步骤知识⼯程⽐软件⼯程更强调渐进性、扩充性重新描述(1) 问题识别阶段——知识⼯程师和专家确定问题的重要特点，抓住问题各主要⽅⾯的特征①确定⼈员和任务②问题识别：描述问题的特征及相应的知识结构，明确问题的类型和范围③确定资源：确定知识源、时间、计算设备以及经费等资源④确定⽬标：确定问题求解的⽬标(2) 概念化阶段——主要任务是揭⽰描述问题所需的关键概念、关系和控制机制，⼦任务、策略和有关问题求解的约束①什么类型的数据有⽤，数据之间的关系如何？②问题求解时包括哪些过程，这些过程中有哪些约束？③问题是如何划分成⼦问题的？④信息流是什么？哪些信息是由⽤户提供的，哪些信息是应当导出的？⑤问题求解的策略是什么？(3)形式化阶段——把概念化阶段概括出来的关键概念、⼦问题和信息流特征形式化地表⽰出来（究竟采⽤什么形式，要根据问题的性质选择适当的专家系统构造⼯具或适当的系统框架）三个主要的因素是：假设空间基本的过程模型数据形式化阶段假设空间①把概念描述成结构化的对象，还是处理成基本的实体？②概念之间的因果关系或时空关系是否重要，是否应当显式地表⽰出来？③假设空间是否有限？④假设空间是由预先确定的类型组成的，还是由某种过程⽣成的？⑤是否应考虑假设的层次性？⑥是否有与最终假设和中间假设相关的不确定性或其它的判定性因素？⑦是否考虑不同的抽象级别？形式化阶段基本的过程模型找到可以⽤于产⽣解答的基本过程模型是形式化知识的重要⼀步过程模型包括⾏为的和数学的模型（如果专家使⽤⼀个简单的⾏为模型，对它进⾏分析，就能产⽣很多重要的概念和关系）（数学模型可以提供附加的问题求解信息，或⽤于检查知识库中因果关系的⼀致性）形式化阶段数据的性质①数据是不⾜的、充⾜的还是冗余的？②数据是否有不确定性？③对数据的解释是否依赖于出现的次序？④获取数据的代价是多少？⑤数据是如何得到的？⑥数据的可靠性和精确性如何？⑦数据是⼀致的和完整的吗？(4)实现阶段把形式化知识变成计算机的软体，即要实现知识库、推理机、⼈机接⼝和解释系统（知识的⼀致性和相容性）推理机应能模拟领域专家求解问题的思维过程和控制策略必须很快地实现（实现原型系统的⽬的之⼀是检查开发早期阶段的设计是否有效）(5)测试阶段通过运⾏实例评价原型系统以及⽤于实现它的表达形式，从⽽发现知识库和推理机制的缺陷性能不佳的因素：①输⼊输出特性，即数据获取与结论表⽰⽅⾯存在缺陷例如，提问难于理解、含义模糊，使得存在错误或不充分的数据进⼊系统；结论过多或者太少，没有适当地组织和排序，或者详细的程度不适当②推理规则有错误、不⼀致或不完备③控制策略问题，不是按专家采⽤的“⾃然顺序”解决问题测试的主要内容：①可靠性——通过实例的求解，检查系统所得出的结论是否与已知结论⼀致②知识的⼀致性——向知识库输⼊⼀些不⼀致、冗余等有缺陷的知识，检查是否可检测出来检查是否会给出不应给出的答案检测获取知识的正确性（如有某些⾃动获取知识功能）③运⾏效率——知识查询及推理⽅⾯的运⾏效率，找出薄弱环节及求解⽅法与策略⽅⾯的问题④解释能⼒——⼀是检测能回答哪些问题，是否达到了要求；⼆是检测回答问题的质量（说服⼒）⑤⼈机交互的便利性7.6答：专家系统种类解决的问题解释根据感知数据推理情况描述诊断根据观察结果推断系统是否有故障预测推导给定情况可能产⽣的后果设计根据给定要求进⾏相应的设计规划设计动作控制控制整个系统的⾏为监督⽐较观察结果和期望结果修理执⾏计划来实现规定的补救措施教学诊断、调整、修改学⽣⾏为调试建议故障的补救措施(1) 解释型专家系统能根据感知数据，经过分析、推理，从⽽给出相应解释.（必须能处理不完全、甚⾄受到⼲扰的信息，给出⼀致且正确的解释）代表性：DENDRAL（化学结构说明）、PROSPECTOR（地质解释）等(2) 诊断型专家系统能根据取得的现象、数据或事实推断出系统是否有故障，并能找出产⽣故障的原因,给出排除故障的⽅案（⽬前开发、应⽤得最多的⼀类）代表性：PUFF（肺功能诊断系统）、PIP（肾脏病诊断系统）、DART（计算机硬件故障诊断系统）等(3) 预测型专家系统能根据过去和现在信息（数据和经验）来推断可能发⽣和出现的情况（天⽓预报、市场预测、⼈⼝预测等）(4) 设计型专家系统能根据给定要求进⾏相应的设计（⼯程设计、电路设计、服装设计）代表性：XCON（计算机系统配置系统）、KBVLSI（VLSI电路设计专家系统）等(5) 规划型专家系统能按给定⽬标拟定总体规划、⾏动计划、运筹优化等（机器⼈动作控制、军事规划、城市规划等）代表性：NOAH（机器⼈规划系统）、SECS（帮助化学家制定有机合成规划的专家系统）、TATR （帮助空军制订攻击敌⽅机场计划的专家系统）等(6) 控制型专家系统能根据具体情况，控制整个系统的⾏为代表性：YES/MVS（帮助监控和控制MVS操作系统）(7) 监督型专家系统能完成实时的监测任务，并根据监测到的现象作出相应的分析和处理代表性：REACTOR（帮助操作⼈员检测和处理核反应堆事故）(8) 修理型专家系统能根据故障的特点制订纠错⽅案，并能实施该⽅案排除故障，当制订的⽅案失效或部分失效时，能及时采取相应的补救措施(9) 教学型专家系统能根据学⽣学习过程中所产⽣的问题进⾏分析、评价、找出错误原因，有针对性地确定教学内容或采取其它有效的教学⼿段代表性：GUIDON（讲授有关细菌感染性疾病⽅⾯的医学知识）(10) 调试型专家系统能根据相应的标准检测被测试对象存在的错误，并能从多种纠错⽅案中选出适⽤于当前情况的最佳⽅案，排除错误专家系统的应⽤领域已扩展到数学、物理、化学、医学、地质、⽓象、农业、法律、教育、交通运输、机械、艺术以及计算机科学本⾝，甚⾄渗透到政治、经济、军事等重⼤决策部门，产⽣了巨⼤的社会效益和经济效益，同时也促进了⼈⼯智能基本理论和基本技术的发展.7.7答：（1）正向推理：见教材P206图7.7（2）反向推理：见教材P212图7.127.8答：（1）知识获取的任务基本任务：为专家系统获取知识，建⽴起健全、完善、有效的知识库，以满⾜求解领域问题需要①抽取知识识别、理解、筛选、归纳等，及⾃学习②知识的转换第⼀步：从专家及⽂献资料处抽取的知识转换为某种知识表⽰模式，如产⽣式规则、框架等（知识⼯程师完成）第⼆步：该模式表⽰的知识转换为系统可直接利⽤的内部形式.（输⼊及编译实现）③知识的输⼊知识编辑器④知识的检测不⼀致、不完整等⑵知识获取的模式①⾮⾃动知识获取(⼈⼯移植)知识⼯程师知识编辑器②⾃动知识获取系统具有获取知识的能⼒，它不仅可以直接与领域专家对话，从专家提供的原始信息中学习到专家系统所需的知识，⽽且还能从系统⾃⾝的运⾏实践中总结、归纳出新的知识，发现知识中可能存在的错误，不断⾃我完善，建⽴起性能优良、知识完善的知识库具有识别语⾳、⽂字、图像的能⼒具有理解、分析、归纳的能⼒具有从运⾏实践中学习的能⼒③半⾃动知识获取7.9答：正确性(1)系统设计的正确性①系统设计思想的正确性如⽬标、原则等②系统设计⽅法的正确性如知识表达⽅法、知识推理⽅法、控制策略、解释⽅法等③设计开发⼯具的正确性如正确使⽤和正确维护(2)系统测试的正确性①测试⽬的、⽅法、条件的正确性②测试结果、数据、记录的正确性(3)系统运⾏的正确性①推理结论、求解结果、咨询建议的正确性②推理解释及可信度估算的正确性③知识库知识的正确性语法、语义和语⽤及专业内容有⽤性(1)推理结论、求解结果、咨询建议的有⽤性(2)系统的知识⽔平、可⽤范围、易扩充性、易更新性等(3)问题的求解能⼒（解题速度、推理效率），可能场合和环境(4)⼈机交互的友好性(5)运⾏可靠性、易维护性、可移植性(6)系统的经济性（软硬件投资、运⾏维护费⽤、设计开发费⽤和系统运⾏取得的直接或间接经济效益）7.10答：（1）四种主要的类型：①⽤于开发专家系统的程序设计语⾔②⾻架系统③通⽤型知识表达语⾔④专家系统开发环境（2）专家系统开发环境（⼯具包）AGE是斯坦福⼤学研制的⼀个专家系统开发环境.AGE是典型的模块组合式开发⼯具，为⽤户提供了⼀个通⽤的专家系统结构框架，并将该框架分解为许多在功能和结构上较为独⽴的的组件部件，这些组件已预先编制成标准模块存在系统中.AGE采⽤了⿊板模型来构造专家系统结构框架.可通过两条途径构造⾃⼰的专家系统：①⽤户使⽤AGE现有的各种组件作为构造材料，很⽅便地来组合设计⾃⼰所需的系统.②⽤户通过AGE的⼯具界⾯，定义和设计各种所需的组成部件，以构造⾃⼰的专家系统.应⽤AGE已经开发了⼀些专家系统，主要⽤于医疗诊断、密码翻译、军事科学等⽅⾯.7.11答：EMYCIN是由MYCIN系统抽去原有的医学领域知识，保留⾻架⽽形成的系统（产⽣式规则表达知识、⽬标驱动的反向推理控制策略）.EMYCIN具有MYCIN的全部功能：①解释程序——可以向⽤户解释推理过程.②知识编辑程序及类英语的简化会话语⾔——提供⼀开发知识库的环境，使得开发者可以使⽤⽐LISP更接近⾃然语⾔的规则语⾔来表⽰知识.③知识库管理和维护⼿段——所提供的开发知识库的环境还可以在进⾏知识编辑及输⼊时进⾏语法、⼀致性、是否⽭盾和包含等检查.④跟踪和调试功能EMYCIN开发的⼀些专家系统（适合开发各种领域咨询、诊断型专家系统）.EMYCIN帮通过解释呼吸分析并确定病通过解释油井预测麦⽥是否助决定解决结构分析问题的策略测试数据来诊断肺病⼈⾎液凝固机制中有⽆问题SACON钻探数据来鉴定地下岩层将受⿊鳞翅⽬幼⾍之害LIGHOPIANT/CDP。
专家系统复习
第一章专家系统概述1、专家系统（ES）：是一个智能程序系统，有大量的、高水平领域专家的知识；有领域专家解决问题的思维方法。
ES所处理的问题是依据已积累的知识来求得问题解答，一般没有准确的数学公式来表达，这就是ES与“一般问题求解”方法的不同之处，数据+算法=传统程序，知识+推理=专家系统。
ES的关键是知识获取、知识表达与推理的过程。
2、专家系统的组成：知识库、推理机、数据基、人机界面、知识获取、解释机构。
3、专家系统的分类：（1）诊断类专家系统（2）预测类专家系统（3）解释类专家系统（4）数学专家系统（5）设计与规划专家系统（6）咨询与决策专家系统（7）教学类专家系统（8）知识自动获取系统4、专家系统的特征：（1）专家系统具有显示表达的大量领域专门知识（2）能进行呼号处理（3）具有智能（4）对推理过程的理解5、与多媒体技术结合（了解）6、图灵奖：专门奖励那些对计算机事业作出重要贡献的个人，是计算机界最负盛名、最崇高的一个奖项，有“计算机界的诺贝尔奖”之称。
明基斯第一个图灵奖获得者。
7、麦卡锡则提出表处理语言Lisp：卡普提出分支界限法；费根鲍姆提出知识蕴藏着力量：第一个专家系统是MYCIN；第二章专家系统知识1、产生式规则表示法：格式：if （前提1）&（前提2）&……then（结论1）&（结论2）&……2、框架表示法：框架：是用于描述具有固定的静态对象的通用数据结构；该对象用：“对象——属性——属性值“表示，框架由若干个槽组成，槽用于描述属性。
槽有两种形式 a.槽名+槽值；b.槽名+侧面策略3、语义网络表示法：语义网络是基于网络结构表示人类知识结构的一种形式，语义主要是指语言结构及其意义上的联系。
一个简单的语义网是如下三元组：（节点1，狐，节点2）例：4、知识获取的方式（1）非自动知识获取：分为两步首先由知识工程师从领域专家和有关技术文献获取知识，然后有知识工程师用某种知识编辑软件输入到知识库中。
知识工程与专家系统
三、发展前景
1.专家系统的发展趋势 近年来, 发展专家系统不仅要采用各种定 性的模型, 而且要将各种模型综合运用, 以及运 用人工智能和计算机技术的一些新思想和新技
术, 如分布式和协同式。这些都是专家系统的发
展趋势。
1.1 通用性专家系统
专家系统的开发需要领域专家和知识工程师共同努力， 通用性专家系统作为一种新型专家系统, 其特点如下：
专家系统模型
基于模糊逻辑的专家系统
模糊性是指客观事物在状态及其属 性方面的不分明性, 其根源是在类似事 物间存在一系列过渡状态, 它们互相渗 透、互相贯通, 使得彼此之间没有明显 的分界线。 模糊性是客观世界中某些事物本身 所具有的一种不确定性, 它与随机性有 着本质的区别。 但是, 模糊推理知识获取困难, 尤 其是征兆的模糊关系较难确定, 且系统 的推理能力依赖模糊知识库, 学习能力 差, 容易发生错误。
④借助辅助数据库，对推理过程可以进行有效的控制与监测，并能整合推理结果，以 多种形式反馈给用户。
1.3
协同式专家系统
一般认为，协同式专家系统是能综合若干相关领域 (或一个领域)多个方面的 单一专家系统互相协作共同解决一个更广领域问题的专家系统，这样的系统亦可 称之为群专家系统。
协同式专家系统作为一种新型专家系统, 其特点有：
基于D-S证据理论的专家系统
D-S理论具有较强的理论基础, 它能 将“不知道”和“不确定”区分开来。 但它也存在明显的不足, 当证据冲突度较 高时, 经过其组合规则得到的结论常常有 悖于常理；另外，基于D-S理论的专家系 统在数据较多时，具有潜在的指数复杂度 和推理链较长的缺点。
专家系统模型
基于人工神经网络的专家系统 人工神经网络 (ArtificialNeuralNetwork, ANN) 仿效生物体信息处理系统获得柔 性信息处理能力。 基于神经网络的专家系统的 具体应用形式可以根据实际情况 选择不同的神经网络模型, 能够 实现不同的用途。因此 , 基于神 经网络的专家系统是目前最流行 的专家系统 。
专家系统知识题解答
第七章专家系统7.1.答：（1）专家系统的定义费根鲍姆（E．A．Feigenbaum）：“专家系统是一种智能的计算机程序，它运用知识和推理步骤来解决只有专家才能解决的复杂问题”专家系统是基于知识的系统，用于在某种特定的领域中运用领域专家多年积累的经验和专门知识，求解需要专家才能解决的困难问题保存和大面积推广各种专家的宝贵知识博采众长比人类专家更可靠，更灵活（2）专家系统的特点①具有专家水平的专门知识专家系统中的知识按其在问题求解中的作用可分为三个层次：数据级、知识库级和控制级数据级知识（动态数据）：具体问题所提供的初始事实及在问题求解过程中所产生的中间结论、最终结论数据级知识通常存放于数据库中知识库级知识：专家的知识，这一类知识是构成专家系统的基础一个系统性能高低取决于这种知识质量和数量控制级知识（元知识）：关于如何运用前两种知识的知识在问题求解中的搜索策略、推理方法②能进行有效的推理推理机构——能根据用户提供的已知事实，通过运用知识库中的知识，进行有效的推理，以实现问题的求解.专家系统的核心是知识库和推理机③具有启发性除能利用大量专业知识外，还必须利用经验判断知识来对求解问题作出多个假设（依据某些条件选定一个假设，使推理继续进行）④ 能根据不确定（不精确）的知识进行推理综合利用模糊的信息和知识进行推理，得出结论⑤具有灵活性知识库与推理机相互独立，使系统易于扩充，具有较大的灵活性⑥具有透明性一般有解释机构，所以具有较好的透明性解释机构向用户解释推理过程，回答“Why ？”、“How ？”等问题⑦具有交互性一般都为交互式系统，具有较好的人机界面一方面它需要与领域专家或知识工程师进行对话以获取知识；另一方面它也需要不断地从用户处获得所需的已知事实并回答询问.7.2.答：专家系统的一般结构人机接口、推理机、知识库、动态数据库、知识获取机构、解释机构专人机接口解释机构知识获取机构知识库推理机数据库用户领域专家知识工程师家系统核心知识库：主要用来存放领域专家提供的专门知识(1) 知识表达方法的选择（最多的三种表示方法是产生式规则、框架和语义网络）①充分表示领域知识②能充分、有效地进行推理③便于对知识的组织、维护与管理④便于理解与实现(2) 知识库管理冗余和矛盾一致性和完整性安全性推理机模拟领域专家的思维过程，控制并执行对问题的求解能根据当前已知的事实，利用知识库中的知识，按一定的推理方法和控制策略进行推理，直到得出相应的结论为止推理机包括推理方法和控制策略两部分推理方法有精确推理和不精确推理（已在推理章节介绍）控制策略主要指推理方向控制及推理规则选择策略推理有正向推理、反向推理和正反向混合推理推理策略一般还与搜索策略有关（已在推理章节介绍）推理机性能/构造与知识的表示方法有关，但与知识的内容无关à保证推理机与知识库的独立性，提高灵活性知识获取机构“瓶颈”，是建造和设计专家系统的关键基本任务是为专家系统获取知识，建立起健全、完善、有效的知识库，以满足求解领域问题的需要要对知识进行一致性、完整性检测人机接口专家系统与领域专家、知识工程师、一般用户间进行交互的界面，由一组程序及相应的硬件组成，用于完成输入输出工作更新、完善、扩充知识库；推理过程中人机交互；结束时显示结果内部表示形式与外部表示形式的转换数据库又称“黑板”、“综合数据库”或“动态数据库”，主要用于存放用户提供的初始事实、问题描述及系统运行过程中得到的中间结果、最终结果等信息数据库是推理机不可缺少的工作场地，同时由于它可记录推理过程中的各种有关信息，又为解释机构提供了回答用户咨询的依据（需相应的数据库管理程序）解释机构：回答用户提出的问题，解释系统的推理过程，使系统对用户透明7.3答：(1) 传统程序是依据某一确定的算法和数据结构来求解某一确定的问题，而专家系统是依据知识和推理来求解问题，这是专家系统与传统程序的最大区别.传统程序= 数据结构+ 算法专家系统= 知识+ 推理(2) 传统程序把关于问题求解的知识隐含于程序中，而专家系统则将知识与运用知识的过程即推理机分离.（使专家系统具有更大的灵活性，使系统易于修改）(3) 从处理对象来看，传统程序主要是面向数值计算和数据处理，而专家系统则面向符号处理.传统程序处理的数据多是精确的，对数据的检索是基于模式的布尔匹配，而专家系统处理的数据和知识大多是不精确的、模糊的，知识的模式匹配也多是不精确的.(4) 传统程序一般不具有解释功能，而专家系统一般具有解释机构，可对自己的行为作出解释.(5) 传统程序因为是根据算法来求解问题，所以每次都能产生正确的答案，而专家系统则像人类专家那样工作，通常产生正确的答案，但有时也会产生错误的答案（这也是专家系统存在的问题之一）.专家系统有能力从错误中吸取教训，改进对某一工作的问题求解能力.(6) 从系统的体系结构来看，传统程序与专家系统具有不同的结构.7.4答：可行性分析：威特曼（Watermam）从三方面研究如何选择适合专家系统开发的问题(1)什么情况下开发专家系统是可能的? （满足！）①问题的求解主要依靠经验性知识，而不需要大量运用常识性知识②存在真正的领域专家，这也是开发专家系统最重要的要求之一专家必须能够描述和解释他们用于解决领域问题的方法③一般某领域中有多个专家，他们应该对领域答案的选择和精确度有基本一致的看法④任务易，有明确的开发目标，且任务能被很好地理解(2)什么情况下开发专家系统是合理的？（之一！）①问题的求解能带来较高的经济效益②人类专家奇缺，但又十分需要，且十分昂贵③人类专家经验不断丢失④危险场合需要专门知识(3)什么情况下开发专家系统是合适的？（特征！）①本质——问题本质上必须能很自然地通过符号操作和符号结构来进行求解，且问题求解时需要使用启发式知识，需要使用经验规则才能得到答案②复杂性——问题不是太容易且较为重要③范围——问题需要有适当的范围.选择适当的范围是专家系统的关键，一般有两个原则：一是所选任务的大小可驾驭；二是任务要有实用价值.7.5答：专家系统的设计原则(1)专门任务领域大小(2)专家合作反复磋商，团结协作(3)原型设计从“最小系统”到“扩充式”开发(4)用户参与充实、完善知识库(5)辅助工具提高设计效率(6)知识库与推理机分离体现特征，灵活专家系统的开发步骤知识工程比软件工程更强调渐进性、扩充性重新描述(1) 问题识别阶段——知识工程师和专家确定问题的重要特点，抓住问题各主要方面的特征①确定人员和任务②问题识别：描述问题的特征及相应的知识结构，明确问题的类型和范围③确定资源：确定知识源、时间、计算设备以及经费等资源④确定目标：确定问题求解的目标(2) 概念化阶段——主要任务是揭示描述问题所需的关键概念、关系和控制机制，子任务、策略和有关问题求解的约束①什么类型的数据有用，数据之间的关系如何？②问题求解时包括哪些过程，这些过程中有哪些约束？③问题是如何划分成子问题的？④信息流是什么？哪些信息是由用户提供的，哪些信息是应当导出的？⑤问题求解的策略是什么？(3)形式化阶段——把概念化阶段概括出来的关键概念、子问题和信息流特征形式化地表示出来（究竟采用什么形式，要根据问题的性质选择适当的专家系统构造工具或适当的系统框架）三个主要的因素是：假设空间基本的过程模型数据形式化阶段假设空间①把概念描述成结构化的对象，还是处理成基本的实体？②概念之间的因果关系或时空关系是否重要，是否应当显式地表示出来？③假设空间是否有限？④假设空间是由预先确定的类型组成的，还是由某种过程生成的？⑤是否应考虑假设的层次性？⑥是否有与最终假设和中间假设相关的不确定性或其它的判定性因素？⑦是否考虑不同的抽象级别？形式化阶段基本的过程模型找到可以用于产生解答的基本过程模型是形式化知识的重要一步过程模型包括行为的和数学的模型（如果专家使用一个简单的行为模型，对它进行分析，就能产生很多重要的概念和关系）（数学模型可以提供附加的问题求解信息，或用于检查知识库中因果关系的一致性）形式化阶段数据的性质①数据是不足的、充足的还是冗余的？②数据是否有不确定性？③对数据的解释是否依赖于出现的次序？④获取数据的代价是多少？⑤数据是如何得到的？⑥数据的可靠性和精确性如何？⑦数据是一致的和完整的吗？(4)实现阶段把形式化知识变成计算机的软体，即要实现知识库、推理机、人机接口和解释系统（知识的一致性和相容性）推理机应能模拟领域专家求解问题的思维过程和控制策略必须很快地实现（实现原型系统的目的之一是检查开发早期阶段的设计是否有效）(5)测试阶段通过运行实例评价原型系统以及用于实现它的表达形式，从而发现知识库和推理机制的缺陷性能不佳的因素：①输入输出特性，即数据获取与结论表示方面存在缺陷例如，提问难于理解、含义模糊，使得存在错误或不充分的数据进入系统；结论过多或者太少，没有适当地组织和排序，或者详细的程度不适当②推理规则有错误、不一致或不完备③控制策略问题，不是按专家采用的“自然顺序”解决问题测试的主要内容：①可靠性——通过实例的求解，检查系统所得出的结论是否与已知结论一致②知识的一致性——向知识库输入一些不一致、冗余等有缺陷的知识，检查是否可检测出来检查是否会给出不应给出的答案检测获取知识的正确性（如有某些自动获取知识功能）③运行效率——知识查询及推理方面的运行效率，找出薄弱环节及求解方法与策略方面的问题④解释能力——一是检测能回答哪些问题，是否达到了要求；二是检测回答问题的质量（说服力）⑤人机交互的便利性7.6答：专家系统种类解决的问题解释根据感知数据推理情况描述诊断根据观察结果推断系统是否有故障预测推导给定情况可能产生的后果设计根据给定要求进行相应的设计规划设计动作控制控制整个系统的行为监督比较观察结果和期望结果修理执行计划来实现规定的补救措施教学诊断、调整、修改学生行为调试建议故障的补救措施(1) 解释型专家系统能根据感知数据，经过分析、推理，从而给出相应解释.（必须能处理不完全、甚至受到干扰的信息，给出一致且正确的解释）代表性：DENDRAL（化学结构说明）、PROSPECTOR（地质解释）等(2) 诊断型专家系统能根据取得的现象、数据或事实推断出系统是否有故障，并能找出产生故障的原因,给出排除故障的方案（目前开发、应用得最多的一类）代表性：PUFF（肺功能诊断系统）、PIP（肾脏病诊断系统）、DART（计算机硬件故障诊断系统）等(3) 预测型专家系统能根据过去和现在信息（数据和经验）来推断可能发生和出现的情况（天气预报、市场预测、人口预测等）(4) 设计型专家系统能根据给定要求进行相应的设计（工程设计、电路设计、服装设计）代表性：XCON（计算机系统配置系统）、KBVLSI（VLSI电路设计专家系统）等(5) 规划型专家系统能按给定目标拟定总体规划、行动计划、运筹优化等（机器人动作控制、军事规划、城市规划等）代表性：NOAH（机器人规划系统）、SECS（帮助化学家制定有机合成规划的专家系统）、TATR （帮助空军制订攻击敌方机场计划的专家系统）等(6) 控制型专家系统能根据具体情况，控制整个系统的行为代表性：YES/MVS（帮助监控和控制MVS操作系统）(7) 监督型专家系统能完成实时的监测任务，并根据监测到的现象作出相应的分析和处理代表性：REACTOR（帮助操作人员检测和处理核反应堆事故）(8) 修理型专家系统能根据故障的特点制订纠错方案，并能实施该方案排除故障，当制订的方案失效或部分失效时，能及时采取相应的补救措施(9) 教学型专家系统能根据学生学习过程中所产生的问题进行分析、评价、找出错误原因，有针对性地确定教学内容或采取其它有效的教学手段代表性：GUIDON（讲授有关细菌感染性疾病方面的医学知识）(10) 调试型专家系统能根据相应的标准检测被测试对象存在的错误，并能从多种纠错方案中选出适用于当前情况的最佳方案，排除错误专家系统的应用领域已扩展到数学、物理、化学、医学、地质、气象、农业、法律、教育、交通运输、机械、艺术以及计算机科学本身，甚至渗透到政治、经济、军事等重大决策部门，产生了巨大的社会效益和经济效益，同时也促进了人工智能基本理论和基本技术的发展.7.7答：（1）正向推理：见教材P206图7.7（2）反向推理：见教材P212图7.127.8答：（1）知识获取的任务基本任务：为专家系统获取知识，建立起健全、完善、有效的知识库，以满足求解领域问题需要①抽取知识识别、理解、筛选、归纳等，及自学习②知识的转换第一步：从专家及文献资料处抽取的知识转换为某种知识表示模式，如产生式规则、框架等（知识工程师完成）第二步：该模式表示的知识转换为系统可直接利用的内部形式.（输入及编译实现）③知识的输入知识编辑器④知识的检测不一致、不完整等⑵知识获取的模式①非自动知识获取(人工移植)知识工程师知识编辑器②自动知识获取系统具有获取知识的能力，它不仅可以直接与领域专家对话，从专家提供的原始信息中学习到专家系统所需的知识，而且还能从系统自身的运行实践中总结、归纳出新的知识，发现知识中可能存在的错误，不断自我完善，建立起性能优良、知识完善的知识库➢具有识别语音、文字、图像的能力➢具有理解、分析、归纳的能力➢具有从运行实践中学习的能力③半自动知识获取7.9答：正确性(1)系统设计的正确性①系统设计思想的正确性如目标、原则等②系统设计方法的正确性如知识表达方法、知识推理方法、控制策略、解释方法等③设计开发工具的正确性如正确使用和正确维护(2)系统测试的正确性①测试目的、方法、条件的正确性②测试结果、数据、记录的正确性(3)系统运行的正确性①推理结论、求解结果、咨询建议的正确性②推理解释及可信度估算的正确性③知识库知识的正确性语法、语义和语用及专业内容有用性(1)推理结论、求解结果、咨询建议的有用性(2)系统的知识水平、可用范围、易扩充性、易更新性等(3)问题的求解能力（解题速度、推理效率），可能场合和环境(4)人机交互的友好性(5)运行可靠性、易维护性、可移植性(6)系统的经济性（软硬件投资、运行维护费用、设计开发费用和系统运行取得的直接或间接经济效益）7.10答：（1）四种主要的类型：①用于开发专家系统的程序设计语言②骨架系统③通用型知识表达语言④专家系统开发环境（2）专家系统开发环境（工具包）AGE是斯坦福大学研制的一个专家系统开发环境.AGE是典型的模块组合式开发工具，为用户提供了一个通用的专家系统结构框架，并将该框架分解为许多在功能和结构上较为独立的的组件部件，这些组件已预先编制成标准模块存在系统中.AGE采用了黑板模型来构造专家系统结构框架.可通过两条途径构造自己的专家系统：①用户使用AGE现有的各种组件作为构造材料，很方便地来组合设计自己所需的系统.②用户通过AGE的工具界面，定义和设计各种所需的组成部件，以构造自己的专家系统.应用AGE已经开发了一些专家系统，主要用于医疗诊断、密码翻译、军事科学等方面.7.11答：EMYCIN是由MYCIN系统抽去原有的医学领域知识，保留骨架而形成的系统（产生式规则表达知识、目标驱动的反向推理控制策略）.EMYCIN具有MYCIN的全部功能：①解释程序——可以向用户解释推理过程.②知识编辑程序及类英语的简化会话语言——提供一开发知识库的环境，使得开发者可以使用比LISP更接近自然语言的规则语言来表示知识.③知识库管理和维护手段——所提供的开发知识库的环境还可以在进行知识编辑及输入时进行语法、一致性、是否矛盾和包含等检查.④跟踪和调试功能EMYCIN开发的一些专家系统（适合开发各种领域咨询、诊断型专家系统）.EMYCIN帮通过解释呼吸分析并确定病通过解释油井预测麦田是否助决定解决结构分析问题的策略测试数据来诊断肺病人血液凝固机制中有无问题SACON钻探数据来鉴定地下岩层将受黑鳞翅目幼虫之害LIGHOPIANT/CDP。
专家系统与知识工程
机器模拟智能
失败
下棋; 机器翻译; 归结原理;
回顾
对早期的AI研究的回顾：
– 研究和总结人类思维的普遍规律，再用计算机模拟
–
– –
–
–
实现 关键是建立一个通用的、万能的符号逻辑系统 Newell,Simon : 物理符号系统假设; Nilson: 逻辑演绎方法; 通用问题求解GPS（General Problem Solver） 通用弱方法
有某类矿藏的可能性进行估价
E LS, LN H P(H)
基本思想:
– 对断言H的信任程度应该随着新的信息的获得而改
变，即，根据P(E) ，从先验概率P(H)推出后验概率 P( H | E ) – P(肺炎)=0.01% P(肺炎| 咳嗽 )=0.09%
主观Bayes方法
用几率代替概率
P( H ) P( H ) O( H ) P(~ H ) 1 P( H )
GPS
通用问题求解方法 11种不同类型的问题
– 猴子摘香蕉，梵塔，人一羊过河等。
用户定义一个任务环境，就可以应用这个系统； 只能在状态集合相对较少和形式规则都有完整 定义的领域内使用； 只能在一个形式化的微观世界里活动，缺少高 级专门知识，尚不能解决现实生活中的问题。
效果
求解复杂、大型的具体问题时，这种通 用的方法成果甚微
反思
另一派的反思 :
– 这样的通用推理体系可能根本不存在! – 人有知识，而机器没有; – 不要去构造一个通用的智能机器，而要构造
某个领域上的智能机器; – 智能的关键在于赋予机器很多领域知识;
知识
一个系统的求解能力来源于它所具有的 知识本身，而不是来自于它所采用的形 式和推理方式。
第七章专家系统
2 ES系统的组成 • 知识库——ES系统最重要的部分，存储求解问题所需的以一定
符号结构表示的专门知识。 • 推理机——具有进行推理的能力
• 根据输入的问题以及描述问题求解初始状态的数据，取 用知识库中的知识作推理，并输出最终解答；
• 可请求用户输入推理必需的数据并应用户要求解释推理 结果和推理过程。
8
专家系统与传统程序的区别
4）传统程序一般不具有解释功能，而专家系统
一般具有解释机构，可对自己的行为作出解释。
5）传统程序因为是根据算法来求解问题的，所 以每次都能产生正确的答案，而专家系统则像人 类专家那样工作，通常产生正确的答案。但是有 时也会产生错误的答案，这也是专家系统存在的 问题之一。 6）从系统的体系结构来看，传统持续与专家系 统具有不同的结构。
* 提供现成的实现ES系统的骨架， * 提供知识获取的辅助设施和知识编辑器, * 易于使用——只要按骨架规定的表示方式编写专门知识，就 可形成应用领域的ES系统, * 仅有较窄的应用范围——对任务的特征有严格的要求.
20
• 表示语言： OPS5 * 提供面向知识处理的高级编程语言, * 知识工程师可以通过编程语言来实现特别的控制结构(建立在通
•这些知*识人决工定知了识ES获系取统是的一体个系十结分构困，难并而可又指耗导时以的系过统程化—和—结缺构乏化有的效的手段去 方式获取系详统细化的和推结理构知化识地。描述问题求解的组织和推理控制。
16
•自动方式——实现知识获取自动化的一个努力方向
* 以智能编辑器取代知识工程师，通过可视化交互式知识获取界面，按预 先制定的问题求解模型，指导领域专家自行抽取和输入知识进专家系统。
(5) 专家系统能汇集多领域专家的知识和经 验以及他们协作解决重大问题的能力，它 拥有更渊博的知识、更丰富的经验和更强 的工作能力。
系统工程考试复习重点
系统工程考试复习重点1.系统工程的研究对象是：组织化的大规模复杂系统。
2.系统的定义：由两个以上的有机联系、相互自作用的要素组成，具有特定功能、结构很环境的整体。
3.该定义的四个要点：系统及其要素、系统和环境、系统的结构、系统的工程。
4.系统的一般属性：整体性（是系统最基本、最核心的特性、是系统性最集中的体现。
）、关联性（构成系统的要素是相互联系、相互作用的）、环境适应性、目的性、层次性。
简答：1.说明系统的一般属性的含义，并据此归纳出若干系统思想或观点。
整体性：是系统最基本、最核心的特性，是系统性最集中的体现。
关联性：构成系统的要素是相互联系、相互作用的；同时，所有要素均隶属于系统整体，并具有互动关系。
环境适应性：环境的变化必然引起系统功能及结构的变化。
系统必须首先适应环境的变化，并在此基础上使环境得到持续改善。
目的性、层次性系统思想或观点：比如：从综合系统的整体性和目的性，可归纳出整体最优的思想。
5.系统工程所研究对象系统的复杂性主要表现在：系统工程工程和属性多样性，由此带来的多层目标间经常会出现相互消长、或冲突的关系；系统通常由多维且不同质的要素所构成；一般为人—机系统，而人及其组织或群体表现出固有的复杂性；由要素间相互作用关系所形成的系统结构日益复杂化和动态化。
大会莫复杂性系统还具有规模庞大及经济性突出等特点。
6.系统的类型：自然系统和人造系统；实体系统和概念系统；动态系统和静态系统；封闭系统和开放系统（举例：现在工业企业及其生产经营活动具有许多系统性特征。
首先，工业企业及其生产经营是一个由人、财、物信息等基本要素构成的整体性系统；其次工业企业是一个投入—产出系统。
第三，工业企业是个开放系统。
第四，宫爷爷接生产经营过程形成一个具有自适应能力的动态系统过程。
7.系统工程的概念：指是从整体出发、合理开发、运行和革新一个大规模复杂系统所需思想、理论、方法论、方法和技术的总称，属于一门综合性的工程技术。
最新系统工程知识点整理
系统工程知识点整理第一章:1.早期的系统思想具有”只见森林”和比较抽象的特点.15世纪以后的系统思想具有”只见树木”和比较具体化的特点.19世纪自然科学取得巨大成就,尤其是能量转化,细胞学说,进化论这三大发现,这个阶段的系统思想具有”先见森林,后见树木”的特点.2.信息论是研究信息的提取,变换,存储与流通等特点和规律的理论.3.中国学者在系统工程领域的代表作有钱学森的《工程控制论》，华罗庚的《统筹法》和许国志的《运筹学》。
4.系统工程的研究对象是组织化的大规模复杂系统。
5.系统是由两个以上有机联系，相互作用的要素组成，具有特定的功能，结构和环境的整体。
该定义有以下四个要点：①系统及其要素②系统和环境③系统的结构④系统的功能6.系统的一般属性：①整体性②关系统联性③环境适应性7.大规模复杂系统的特点：①系统的功能和属性多样②系统通常由多维且不通质的要素构成③一般为人—机系统，而人及其组织或群体表现出固有的复杂性④由要素间相互作用关系所形成的系统结构日益复杂化和动态化⑤具有规模庞大和经济性突出等特点。
8.系统的类型：①自然系统和人造系统②实体系统和概念系统③动态系统和静态系统④封闭系统和开放系统（封闭系统是指系统和环境之间没有物质，能量和信息的交换，因而呈现出一种封闭状态的系统）9.系统工程：用定量和定性相结合的系统思想和方法处理大型复杂系统的问题，无论是系统的设计或组织建立，还是系统的经营管理，都可以统一的看成是一类工程实践，统称为系统工程。
10.软件工程处理的对象主要是信息，着重为决策服务。
第二章：11.系统工程方法论：就是分析和解决系统开发，运作及管理实践中的问题所应遵循的工作程序，逻辑步骤和基本方法。
12.霍尔三维结构是由美国学者A.D.霍尔等人在大量工程实践的基础上，于1969年提出的。
霍尔三维结构集中体现了系统工程方法的系统化，综合化，最优化，程序化和标准化等特点。
13.霍尔三维结构：①时间维②逻辑维③知识维（专业维）▲时间维表示系统工程的工作阶段或进程。
知识工程与知识发现(讲稿22-专家系统)
第三章专家系统（Expert System：ES）专家系统是人工智能应用研究的一个重要领域。
在20世纪60年代中期，正当大多数人热衷于博弈、定理证明、问题求解等研究时，另一个重要的研究领域---专家系统已悄然开始孕育。
（由美国斯坦福大学的费根鲍姆E.A.Feigenbaum，1965年在他领导的研究小组内研究化学专家系统DENDRAL，68年完成并投入使用）。
也正是专家系统的萌芽，才使得人工智能在后来出现的困难和挫折中很快找到了前进方向，开创了一条以知识为中心、面向应用开发的研究道路，使人工智能又进入了一个新的蓬勃发展时期。
专家系统实现了人工智能从理论研究走向实际应用，从一般思维规律探讨走向专门知识运用的重大突破，是人工智能发展史上的一次重要转折。
专家系统是一个具有大量专门知识，并能够利用这些知识去解决特定领域中需要由专家才能解决的那些问题的计算机程序。
自Feigenbaum后，相继出现了MYCIN专家系统、地质勘探专家系统PROSPECTOR，数学专家系统MACSYMA等。
知识工程的核心是专家系统，知识工程的发展首先决定于专家系统的发展，专家系统的发展必将推动人工智能的应用。
专家系统的开发有三个基本的要素：领域专家、知识工程师、大量实例。
在建立专家系统时，首先由知识工程师把领域专家的专门知识总结出来，以适当的形式存入计算机，建立起知识库（KB），根据这些专门知识，系统可以进行推理，做出判断和决策，能够解决一些只有人类专家才能解决的困难问题。
专家系统主要是指软件系统。
教学目的：●了解专家系统的基本概念●掌握专家系统的基本结构●掌握专家系统的知识获取方法和过程●了解专家系统的开发步骤、开发工具3.1 专家系统的基本概念3.1.1 什么是专家系统？目前，对专家系统还没有一个严格公认的形式化定义。
作为一种一般的解释，可以认为：专家系统是一种具有大量专门知识与经验的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。
农业专家系统—农业专家系统概述
人机接口
• 人机接口是使用者或专家与农业专家系统之间的联系界面。知识的建立和维护，用户提出质询 以及推理结果的输出等都需要通过人机接口来实现。
启发性、模糊性知识，搜索推理和不确定性推理，以及机器学习是人工智能研究的重要内容。 知识表示、问题求解、自然语言理解、专家系统、机器学习、认知科学等是人工智能的重要研究分支。
农业专家系统概述 （一）人工智能的概念
人工智能 研究进展 较大的三 应用分支
机器人 专家系统
再现人的感觉、操作和行动，从事复杂作业，可在 一些有害、危险和繁重、疲劳性劳动场合来代替人 去完成作业，如焊接、搬运、装配、水下与地下作 业等。
基本情况 知识组织
常规的计算机程序
常规程序＝数据结构十算法
两级： 数据级和程序级
专家系统
专家系统＝知识十推理
三级： 数据级、知识库级和控制级
求取问题方法
查找或计算，面向数值计算和数据处理，问题求 推理，面向符号处理，其推理过程随着情况的变化
解过程中先做什么及后做什么都是由程序规定的
而变化，具有不确定性及灵活性
通过它输入知识，更新、 完善知识库。
由一组程序及相应的硬件组成， 用于完成输入输出工作。
专家系统的一般结构
农业专家系统概述 三、专家系统的基本结构
专家系统的一般结构
由一组程序组成，基本任 务是把知识输入到知识库 中，并负责维持知识的一 致性及完整性，建立起性 能良好的知识库。
农业专家系统概述 三、专家系统的基本结构
推理机
• 推理机就是一个模拟人类思维，从已有事实出发，选用合适的规则，不断推出新的事实，最终 证明或否定某一结论的程序模块。
信息科学中的专家系统与知识工程研究
信息科学中的专家系统与知识工程研究引言信息科学作为一门新兴学科，与计算机科学、数学、统计学、语言学等学科有着密切的关系。
在信息科学的研究和应用中，专家系统和知识工程起着举足轻重的作用。
本文将从理论与实践两个方面，探讨专家系统与知识工程在信息科学中的研究进展和应用价值。
一、专家系统的基本原理与结构专家系统是一种通过模拟人类专家的决策过程和思考方式，进行智能决策的计算机系统。
它通过对专家知识的提取、表示和存储，模拟人类专家的推理过程，实现对复杂问题的解决。
专家系统的基本原理可以概括为三个关键步骤：知识获取、知识表示与存储、推理与决策。
知识获取是指通过对专家进行访谈或观察，获取专家知识的方法和过程。
知识表示与存储是指将获取到的专家知识进行适当的抽象和表示，使得计算机能够理解和处理。
推理与决策是指利用已有的知识进行推理和决策，生成对特定问题的解答和推荐。
专家系统的结构通常由知识库、推理机和用户界面三个主要部分组成。
知识库是存储专家知识的地方，以一种能被计算机所接受和处理的形式存在，如规则库、框架库和案例库等。
推理机是专家系统的核心组成部分，它根据用户输入的问题和已有的知识进行推理和决策，生成最终的结果。
用户界面则是用户与专家系统之间进行交互的接口，包括输入问题、获取答案和展示推理过程等功能。
二、知识工程的研究方法与应用领域知识工程是专家系统研究的重要分支，它致力于通过系统化的方法和技术，对专家系统中的知识进行建模、获取、表示、存储和应用。
知识工程的研究方法主要包括知识获取、知识表示和知识推理三个方面。
知识获取是指通过对专家进行访谈、观察或问卷调查等方式，获取其知识和经验，并将其转化为计算机可处理的形式。
知识获取的方法包括结构化访谈、半结构化访谈、观察法、问卷调查等。
在知识获取的过程中，需要充分考虑专家的知识表达方法和思维方式，以准确地捕捉和记录其知识。
知识表示是指将获取到的专家知识进行适当的抽象和表示，以便计算机能够理解和处理。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《专家系统与知识工程》复习要点知识工程是人工智能技术与专家系统发展相结合的产物，它是数据工程的高级阶段。
知识工程是设计和实现知识库系统及知识库应用系统的理论、方法和技术，是研究知识获取、知识表示、知识管理和知识运用的一门学科。
数据库技术是构成数据工程的中心和基础，数据库工程也就是数据工程。
通常数据工程的设计与实现包括三个基本环节：概念数据模型的分析与设计、逻辑数据模型分析与设计、物理数据模型的设计。
知识是数据和信息集合的整体。
只有当信息被系统地、有目的地积累起来时，才能转变成知识。
知识是由信息描述的，信息则是用数据来表达的；知识工程是设计和实现知识库系统及知识库应用系统的理论、方法和技术，是研究知识获取、知识表示、知识管理和知识运用的一门学科。
知识工程处理的对象是知识，知识种类及知识的表示方式：1.）第一类：关于事实和现象的知识。
（Know_what）第二类：自然原理和领域规律性知识。
（Know_why）第三类：关于技能和能力的知识。
（Know_how）第四类：关于谁的知识。
（Know_who）2.）产生式、函数式、逻辑式、对象式、语义网络、框架结构、状态过程等多种形式。
数据信息知识三者的关系：数据是指客观事物的属性、数量、位置及其相互关系的符号描述。
信息是数据在特定场合下的具体含义，信息是对数据的解释。
知识是一个或多个信息关联在一起形成的有价值的信息结构，是对客观规律的认识，是高层次的信息。
也就是说，知识是数据和信息集合的整体。
由此可见，数据是记录信息的符号，信息是对数据的解释，知识是信息的概括和抽象；数据经过解释处理形成了信息，信息又经过加工过程形成了知识；知识是由信息描述的，信息则是用数据来表达的；从数据到信息的转换是一个数据处理过程，从信息到知识的转换是一个认知的过程。
这就是数据、信息和知识之间的相互依存的辨证关系。
知识工程是一个远比数据工程复杂的多的领域，也是一个比数据工程更富于挑战性的领域，表现在：1、知识种类比较多2、知识的表示方式比较多3、要有一个较好的知识表示方式和知识管理机制在知识工程中，最为困难的问题是知识获取，一般来说，获取知识的方法有两种情况：1、由知识工程师从领域专家那里获取知识，即：人工获取。
2、从数据库数据中发现知识（KDD），即数据挖掘。
决策支持系统（DSS—decision support system）（DW—Data Warehouse ）知识工程、数据工程、软件工程三者在应用系统形成过程中的本质区别。
●需求分析阶段：（what-to-do）数据工程：把E-R图作为分析阶段的结果。
知识工程：还要分析问题之间的关联关系，从而定义问题的求解规则。
软件工程：进一步进行功能分解，产生功能的层次结构。
●设计阶段（how-to-do）数据工程：要解决的问题是从概念结构的关联中寻找极小化的逻辑结构。
知识工程：要解决的问题是从概念结构的关于关联的关联中寻找极小化的逻辑结构。
软件工程：要解决的问题是功能的划分以及功能模块之间的接口。
●实现阶段：数据工程：按照要求对数据库中的数据进行适当的调整。
知识工程：除了针对具体问题做一些适当的调整外，几乎不做什么事情。
软件工程：则意味着编程、写代码、调试、维护等一系列工作的开始。
知识库系统中的知识可分数据级、知识库级、推理机级三级来描述。
由数据库发展数据仓库主要的原因：数据太多，知识完全；异构环境数据的转换和共享；利用数据进行事务处理转变为利用数据进行决策支持。
数据仓库是一个“面向主题的”、“完整的”、“非易失的”、“不同时间的”、“用于支持决策管理”的数据集合。
数据仓库是为决策支持服务的；数据库系统是为事务处理服务的。
非易失性指的是数据仓库是只读的，数据一旦经集成进入数据仓库后，数据一般不能被回写，也就是说数据是稳定的，具有稳定性数据仓库中的数据时限为：1~5 5-10年10~15 15~20 数据仓库和数据库存在着根本不同：1、数据存储方式的不同2、数据存储量的不同3、存储的结构不同数据库的存储格式一般是二维平面式的，数据仓库由于涉及到时间，主题等因素是一个多维的超立方体结构形式，大多采用量型模型。
数据仓库的数据量是数据库数据量的100倍，数据量大的原因在于：（1）数据库中的数据是按决策主题重新组织并集成起来的数据；（2）保留了大量的历史数据，用于预测分析；（3）对当前数据进行了轻度或高度综合后形成了综合数据。
数据仓库中的数据=当前数据+ 历史数据+ 综合数据数据载入是一个比较复杂的过程，操作数据向数据仓库的移动通常分为提取、转换、净化、加载、汇总五个步骤。
粒度反映了数据仓库中数据单位中保存数据的细化或综合程度的级别，是数据仓库中数据的最基本元素或单位。
确定数据粒度是设计数据仓库的重要环节，它决定了“怎样去载入数据”，也反映了数据仓库设计师对用户的要求和系统传递的信息单位。
在许多实际应用中，数据的粒度级别是不同的。
一般来说，细化程度越高，粒度级别就越小；反之，细化的程度越低，粒度级别就越大。
高粒度数据不仅只需要很少的字节去存储数据，而且索引项也比较小，这对于节省存储空间提高数据分析效率是有益的。
如果数据仓库的空间是有限的话，用高粒度表示数据比用低粒度表示数据的效率高得多。
元数据在数据仓库的建模和运行中起着及其重要的作用,它描述了数据仓库中的各个对象以及数据仓库中的各个方面,是整个数据仓库的核心。
元数据描述了数据仓库的数据和环境，是关于数据的数据。
元数据描述了数据仓库的数据和环境，是关于数据的数据，可分为四类：①关于数据源的元数据（业务系统数据源的描述信息）。
②关于数据模型的员数据（数据方向关系的描述，使用管理的基础）。
③关于数据高度映射的元数据（数据源与数据仓库数据之间的映射）。
④关于数据仓库使用的元数据（数据仓库中的信息使用性能的描述）。
数据仓库中的元数据不仅定义了数据仓库有什么，指明了数据仓库中信息的内容和位置，刻画了数据的抽取和转换规则，存储了与数据仓库主题有关的各种商业信息，而且整个数据仓库的运行都是基于元数据的，如数据的修改、跟踪、抽取、载入和综合等。
标准化实体关系与关系数据库的目标是增加更新效率，但是决策支持数据模型的目标是增加查询效率。
在数据仓库的构建过程中，数据模型的确定是非常重要的。
决策支持系统采用的数据模型为“星型模型”或“空间数据模型”。
构建星型模型的常用方法有三种：１、修正方案２、模型创建３、自主开发数据仓库必须具有安全性，通常所采取的安全措施有：１、服务器的安全管理（包括软、硬件）；２、工作站的安全管理；３、数据访问的安全管理所谓基于角色的安全就是指在角色被创建并被授予了适当的数据库权限之后，新的用户仅需要根据与数据仓库交互的需要，注册到一个或多个角色中就行了。
OLAP（联机分析处理，区别于OLTP联机事务处理三层结构不是简单地将数据仓库的处理划分为客户端和一些数据库服务器，而是在客户端和数据仓库之间增加了应用服务器，信息的急剧增长在给人们带来方便的同时，也带来了一系列的问题：1、信息过量，难以消化；2、信息真伪，难以辨识；3、信息形式不一致，难以处理；4、信息安全，难以保证。
正确的查询工具将使得用户能够充分发挥数据仓库的作用，通常采用以下一些评估准则来选择所需查询工具：①易于使用：这是最基本的准则，表现在构建报表与表现信息的灵活性，是数据仓库设计成功的一半；②性能：性能的高低与整个DW的环境有关，包括数据库本身、查询工具性能以及访问数据的SQL工具等；③多源数据：查询工具应能够从多个数据源中提取数据并确保它们所支持的数据库源类型与数据仓库和信息系统能够很好地集成在一起；④集中式管理：集中式数据管理工具能够在机构内进行单个的知识分割，从而显现给终端用户一个有效的用户界面。
⑤数据安全性：在敏感的数据环境中不要使用任何不具备附加安全性的查询工具；⑥可以使用WEB技术：WEB技术将会成为DW信息发布的工具和途径。
要求查询工具能够将数据结果以页面的形式加以发布；⑦集成化分析：能够更改用户对所显示的数据进行灵活的在探索，再分析。
KDD ( KNOWLEDGE DISCOVERY IN DATABASE)DM（DATA MINGING）知识发现和数据挖掘技术的出现还依赖于以下几个技术的支持：1、数据库技术2、机器学习3、专家系统：知识发现和数据挖掘侧重于利用数据库技术对数据进行前端处理，再利用机器学习方法从处理后的数据中提取有用的知识。
知识发现和数据挖掘说白了就是利用机器学习的方法、主动地从数据库的大量数据中提取有价值的知识的过程，尽管知识发现和数据挖掘与机器学习一样都是从数据中提取知识，但它们之间也存在许多不同：（1）机器学习所使用的数据是专门为机器学习而特别准备的数据，而知识发现和数据挖掘所使用的数据是来自现实世界的实际数据。
（2）机器学习所用的数据一般比较规范，而知识发现和数据挖掘所使用数据的完整性、一致性和正确性难以保证。
（3）机器学习所用数据量一般比较少，而知识发现和数据挖掘所处理的数据量都比较大。
数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、潜在的、有用的信息或知识的过程。
数据预处理任务：1、消除噪声数据；2、弥补、推导、计算缺值的数据；3、消除冗余数据或记录；4、完成数据类型的转换。
挖掘出来的模式主要有以下几类：1、关联模式2、分类模式3、聚类模式4、回归模式5、序列模式数据挖掘与知识发现过程。
知识发现和数据挖掘的常见方法：决策树法、神经网络法、粗糙集算法、遗传算法、统计分析法、覆盖正例排斥反例法、模糊逻辑、概念树法、公式发现、云模型方法、可视化方法。
知识发现和数据挖掘模型是一个多阶段的处理过程，通常有以下三种模型：1、以数据库为中心的模型2、以领域专家为中心的模型3、以用户为中心的模型给出五种常用的知识发现与数据挖掘方法。
知识工程是建立知识库之上的关于知识表示、知识管理和知识利用的一门学科，知识库管理和知识工程的开发方法是知识工程中的重要研究内容。
谓词逻辑是知识表示的主要框架，主要理由如下：①谓词逻辑具有完整的理论基础和严密的表示规范。
②谓词逻辑的语义比较丰富，可以用不同的方式加以解释；操作或证明论语义；模型论语义；过程语义。
③具有完备的演绎推理能力。
④与书写次序无关。
领域知识(Domain-Knowledge)。
（OSS—Object-Oriented StructureLSKB------Large scale Knowledge BaseKD-----Knowledge Dictionary数据工程和知识工程遵循的主要开发模型是螺旋式开发模型，产生结果是满足需求的数据和知识库。
与数据工程不一样，实施知识工程可分为三个阶段：①概念化阶段。