《诚成设计,动物识别专家系统.doc》由会员分享，可在线阅读，更多相关《诚成设计,动物识别专家系统.doc（44页珍藏版）》请在金锄头文库上搜索。
1、动物识别专家系统 计算机科学与应用 周权摘要专家系统是目前人工智能中最活跃，最有成效的一个研究领域，它是一种基于知识的系统，它从人类专家那里获得知识，并用来解决只有专家才能解决的困难问题。该动物识别专家系统是在VC编程环境下编写的基于Windows操作平台上的图形用户界面程序，依据15条规则，构建知识库，能判别七种动物。该系统具有较好的扩充性，可移植性、透明性，算法简单高效，使用方便，用户界面友好。在层次树结构的数据结构基础上，采用正向推理的技术构建推理机，解释机构的实现采用了唱片技术和追踪技术。构建该动物识别专家系统主要目的是为了提高人工智能的理论水平，更深入地了解专家系统的原理、历史、构成
2、和各组成部件的基本原理，并提高VC的编程能力。关键字：专家系统，知识库，规则，推理机，解释机AbstractExpert system is one of the most active and effective research realms. It can solve difficult problems, which can only be solved by experts. It is a system based on knowledge and can achieve knowledge from experts. This expert system is the visua
3、l interface program, which based on Windows operation system in the situation of Visual C+ programming. It can distinguish seven kinds of animals by constructing knowledge base, which is based on 15 rules. This system is moveable, transparent, and expansible. It can be easily used. Its mathematic is
4、 simple and efficient the user interface is friendly. The construction of reasoning machine adopts the positive reasoning technology and the realization of explanation adopts the record and pursuit technology This animal distinguish expert system aims to raise the theory standard of artificial intel
5、ligence. The writer intended to know about the principle, the history and the composition theory of expert system, and upgrade the programming ability. Key Words: expert system, repository, rule, reasoning machine, explanative machine目录摘要1Abstract2目录3前言4第一章 需求分析71.1 需求状况71.2专家系统的设计要求71.3组成部分131.4推理机
6、15第2章 概要设计172.1总体流程的设计172.1.1创建知识库172.1.2 设计推理机的工作流程202.2用户界面设计222.2.1 用户界面设计的原则222.2.2设计的用户界面23第3章 详细设计253.1学习VC有感253.1.1认识VC253.1.2使用MSDN263.2 详细编码26第4章 测试与完善314.1 测试系统314.2 完善功能324.2.1改善explain功能324.2.2 添加backspace功能334.3 界面美化39第5章 设计中的重难点问题40结论42致谢44参考书目45 前言1956年，在达特马斯大学由JMccarthy和MMinsky发起，邀请了
7、几位数学家、心理学家、计算机专家、神经学家和工程师，召开了以“人工智能(Artificial Intelligence)”为主题的研讨会。自此以后，以人工智能为名的研究机构、专业学会以及报刊书籍发展迅速，在全球范围广泛传播。人工智能现已成为一个新兴的学科，得到人们的重视。其研究成果也应用到人们生产生活的各个领域。所谓人工智能，又称为智能模拟，是计算机技术的一个重要分支，它研究如何利用计算机来完成用人的智慧才能完成的工作。 随着计算机的发展，人工智能经历(1) 模拟人类的思维规律，即推理方法的研究和程序化；(2) 正确的知识表示，运用知识进行推理，即知识的形式化；(3) 从大量已有的知识推出新的
8、知识，即专家系统。专家系统属于人工智能的一个发展分支，自1968年费根鲍姆等人研制成功第一个专家系统DENDEL以来，专家系统获得了飞速的发展，并且运用于医疗、军事、地质勘探、教学、化工等领域，产生了巨大的经济效益和社会效益。现在，专家系统已成为人工智能领域中最活跃、最受重视的、最有成效的一个研究领域。专家系统是在关于人工智能的研究处于低潮时提出来的，由它的出现及其所显示出来的巨大潜能不仅使人工智能摆脱了困境，而且走上了发展时期。它是一种基于知识的系统，它从人类专家那里获得知识，并用来解决只有专家才能解决的困难问题。专家系统(ES，Expert System)，就是一种在特定领域内具有专家水平
9、解决问题能力的程序系统。它能够有效地运用专家多年积累的有效经验和专门知识，通过模拟专家的思维过程，解决需要专家才能解决的问题。动物识别专家系统就是一个能通过一系列动物属性的规则，根据用户输入的动物属性，来识别动物的属性、名称和种类。构建该动物识别专家系统主要为了把人工智能课程中学到的内容运用到实践中去，锻炼自己的实践能力，熟悉专家系统的结构，掌握用VC构建专家系统的一般过程，培养科学创新能力以及深入研究某个问题的能力，为将来的研究生学习打好基础。加上我将来就读的学校在人工智能方面颇有成就，所以从多个角度，经过慎重考虑，选择该课题。完成它将能学到对将来的学习发展有益的思想、知识和方法。第一章 需
10、求分析1.1 需求状况动物识别专家系统是在专家系统原理的基础上，根据输入的事实，判断出动物的类别。1.2专家系统的设计要求专家系统的分类有解释型，诊断型，预测型，设计型，规划型，控制型，监测型，维修型，教育型和调试型，而从体系上来说，它可分为集中式专家系统，分布式专家系统，神经网络专家系统，符号系统与神经网络结合的专家系统。名字可是不少，但是专家系统的基本结构图如下图所示：人机接口部分就不做多的解释了，它只是一个用户界面而已。它的实现可以有不同的形式，也有可能是很复杂的。人们希望能够和人类专家那样和机器交流，不再使用简单的命令，而是用人类的语言完成交互工作，这就要求人机接口能够有自然语言理解的
11、功能。但是专家系统能不能使用，好不好使用关键在中间的那一层，人可以思考，如果希望机器也能够象人那样思考，那么推理机制是必不可少的，而且它在很大程序上决定了这个专家系统的效率和可用性。我们知道人类的推理活动是基于一定知识进行的，我们解几何题的时候总是要知道一些基本的公理（或定理），医生看病的时候起码要有一点最起码的医学常识，这样才有进行推理的物质条件，推理是建立在具有知识的基础上进行的。知识就是一些事实或事实的抽象，我们称之为概念的东西组成的。知识是对客观事物某一方面属性的了解。知识有着它的特性： 相对正确性。任何知识都有一定的应用范围，不能脱离了范围来说一个知识可用不可用； 不确定性。由于现实
12、世界的复杂性，许多事实和概念都不可以说是绝对正确，就象哲学中不存在绝对真理一样，知识本身也有不确定性； 可表示性。同样，知识也要是可以表达的，用口述也要，用什么东西记录也要，要能够感知的，如果不能表示出来，那谁能够理解，连表示都表示不出来，那也根本谈不上应用了。不能用的东西，我们知道也罢不知道也罢，对于面向应用的人工智能来说没有什么意义。为使机器具有智能，必须把知识以某种特定的、计算机可以接受的形式表示出来。可以说知识表示直接影响到一个专家系统性能。目前的知识表示方法主要有：一阶谓词逻辑表示法、产生式表示法、框架表示法、语义网络法等形式，不同的领域需要不同的表示方法，如产生式适合于表达具有因果
13、关系的过程性知识，而具有结构关系的知识则适合用框架表示法。 本动物识别专家系统采用产生式表示法表示规则。在专家系统基本结构中,推理机和知识库两个部件就可以实现用户的功能，但是我们还应该注意到，另一个重要的部件，知识获取部分，一个人类专家只所以能够成为人类专家，就是它可以在实践过程中不断地丰富自己的知识，让自己做出的结论在结合实践后反馈回自己，让自己修改错误，人是一个负反馈的系统，而我们上面提到的没有知识获取的专家系统根本没有什么反馈，这个机器专家，现在是这个水平，将来还会是这个水平，它所知道的，不会因为自己的实践而有丝毫的变化。因此它不能适用工程实际的需要。知识获得部分的工作就是要建立这样一种
14、反馈机制，把所得到的结果反馈给知识库，修改已知的知识，让它得到的结果更准确，更具有可用性。如果让它能够实例进行学习，那更好不过了，编程人员就可以不用把一条条的规则用程序写给这个专家系统了，而只用把一个个用计算机作好标记的实例交给计算机，它自己会生成知识库，这样它就更象一个人了。因此，如果一个专家系统有自学习的功能，那在系统的维护方面和系统的可用性方面一定会大有提高。 机器学习在这样的需求下产生了。机器学习的方法有以下几种： 机械式学习。它的另一个名称死记式学习能够直接体现它的特点，这是一种最简单的，最原始的学习方法，也是机器的强项，人的弱项。 指导式学习。这种学习方式是由外部环境向系统提供一般
15、性的指示或建议，系统把它们具体地转化为细节知识并送入知识库中，在学习过程中要对反复对知识进行评价，使其不断完善。 归纳学习。我们看到，机器所善长的不是归纳，而是演绎，它适用于从特殊到一般，而不太适应从一般到特殊，从特殊到一般的归纳是人类所特有的，是智慧的标志。具体的归纳学习方法有许多，但它们的本质就是让计算机学会从一般中得出规律。 类比学习。类比也就是通过对相似事物进行比较所进行的一种学习。它的基础是类比推理，也就是把新事物和记忆中的老事物进行比较，如果发现它们之间有些属性是相同的，那么可以（假定地）推断出它们的另外一些属性也是相同的。 基于解释的学习。这是近年来兴起的一种新的学习方法。它不是通过归纳或类比进行学习，而是通过运用相关的领域知识及一个训练实例来对某一目标概念进行学习，并最终生成这个目标概念的一般描述，这个一般描述是一个可形式化表示的一般性知识。 通过以上的学习方法就是为了得到知识，通过一种方便的方法得到知识。前面已经说过了，因为机器的思考方式和人类的思考方式大有不同之处，因此让机器通过自己学习生成自己便于理解和使用的知识，也不失为机器学习的目标之一。 就人工智能的研究领域来说，前面说所说的系统可以表示成下面这样一个图示：这个系统类型于控制中的负反馈系统，把结果重新
