论文部分内容阅读
模糊专家系统是知识工程学科的重要实践领域的前沿，对模糊知识进行有效的管理和维护以及对其不确定推理技术的研究和实现是模糊专家系统的核心研究内容。基于国家科技部的研究课题柑橘智能化栽培专家系统(课题任务书编号：2005BAg01A04)，本文主要研究了模糊推理引擎的设计和实现。 在专家系统的开发过程中，现实世界存在的各种不确定信息和模糊信息使专家系统投入使用受到了较大的限制，为了有效地模拟这些信息，本文在作了大量研究的研究工作之后，在系统实现过程中主要采用确定性理论推理模型。确定性理论模型是以可信度方法为基础，结合概率论的不确定性推理模型，它的优点是使用直观而且效果较好。确定性理论模型主要分为三部分：对知识的不确定性描述、对证据的不确定性描述以及确定性因子的更新算法。在本课题的实现过程中，发现在农业领域内的每一种疾病的所有症状不一定都出现或同时出现，症状也分为主要症状、一般症状及偶然症状，为了表示这种特点，在确定性理论模型的基础上，给规则的每个前提条件增加一个权值，来表示前提条件对结论的支持程度，在本文中称之为改进的确定性理论模型。另外本系统在推理过程中主要选择了反向推理控制策略和按匹配度排序的冲突消解策略。 在项目的早期我们主要采用专家系统语言prolog进行开发，主要思路是知识表示采用prolog系统的产生式表示方法，存储为pro文件；推理引擎使用prolog系统自身的推理引擎；人机接口可利用prolog系统提供的LSAPI(logic server的API)，采用常见的编程语言(如java)等实现，但这种方法不实用。基于以上的情况，我们考虑用关系数据库作为知识库的外部存储形式，推理引擎模块利用常见的编程语言来编写，参照prolog推理引擎的工作方式，实现柑橘专家系统的推理引擎，主要包括全局数据库的设计、模糊推理机的设计以及解释器的设计。 本文的研究成果主要如下：Prolog语言模糊化研究以开发模糊专家系统，确定性理论模型的研究及实现，利用关系数据库表示模糊知识库，模糊推理引擎设计的研究和应用，包括全局数据库、推理机和解释器。