基于主观Bayes方法的甲状腺专家系统模型

研究并实现了一个基于主观Bayes方法的甲状腺专家系统模型 ,讨论了主观Bayes方法的数学基础 ,给出了不确定性推理网络的算法描述 ,并且将理论研究的结果运用于甲状腺专家系统的设计和实现 ,举例说明了网络推理过程 ,对不确定性推理的应用进行了有益的探讨 .     

基于可信度方法的甲状腺疾病诊断模型

研究并设计了一个基于可信度方法的甲状腺专家系统不确定性推理模型,在该模型中对甲状腺知识的表示、推理控制策略的选择、不确定性算法的建立进行了具体详细的研究,使文中所研究的不确定推理方法得以实现.讨论了可信度模型,给出了不确定性推理网络的算法描述,并且将理论研究的结果运用于甲状腺专家系统模型框架的设计和实现,对不确定性推理的应用进行了有益的探讨.     

基于主观Bayes方法的不确定推理算法实现

不确定推理是指建立在不确定性知识和论据基础上的推理。本文设计了基于主观Bayes方法的不确定性推理算法,通过实验结果比较了结论不确定的合成算法与更新算法的一致性,实现了不确定推理问题求解的自动化。     

主观Bayes网络在普适计算中的应用研究

由于硬件系统的异构性和无线网络的相对不稳定,造成直接由传感器获得的上下文的不确定性和不一致性。笔者针对此问题把主观Bayes网络模型应用到普适环境中对上下文进行推理,并且对OWL进行了扩展——SBOWL语言,以适应主观Bayes网络模型在上下文推理中的应用。通过在原型系统CIS的上下文推理层应用主观Bayes网络,验证了该方法的可行性。     

故障诊断专家系统的新型知识网络推理模型

介绍故障诊断专家系统中的一种新型知识网络表示法，并给出了详细的推理算法与故障判决算法，此知识网络的推理通过消息传递来实现，具有分布式特性，且在整个知识网络的推理与故障判决中融入了不精确推理算法，故能适合大多数的故障诊断专家系统模型。     

包含度及其在人工智能中的应用

不确定性推理是人工智能中的关键问题。在总结各种不确定性推理方法的基础上，引进了包含度的概念，并给出了包含度的几种生成方法，指出了包含度在专家系统的检索与推理中的应用。     

基于双参数方法的故障诊断不确定性推理问题

不确定性推理问题是专家系统需要解决的基本问题之一,已有的不确定性推理方法在规则的应用要求、加权推理及规则参数获取方法方面具有局限性。该文在分析、归纳、总结不确定性推理相关问题的基础上,提出了基于充分性参数和必要性参数的不确定性推理方法。该方法能够表示具有复杂不确定性加权关系的诊断规则,并且能够根据规则的约束条件,通过数值计算获取规则的不确定性相关参数。该方法在已开发的诊断型专家系统中得到了应用,经验表明该方法是行之有效的。     

一种智能状态估计方法及应用

为提高机理复杂工况变化较大的一类生产过程状态估计的精度 ,提出一种基于多模型和专家知识的智能状态估计方法 ,并给出了用于青霉素发酵过程状态估计的结果。这种方法采用多个状态估计模型进行估计 ,然后由优选专家系统选择一个最优的作为最终结果。给出了状态估计系统的结构及优选专家系统的结构和设计。优选专家系统采用改进的 Bayes方法进行不确定性推理。这一估计方法可以应用于类似于青霉素发酵这类机理复杂过程的状态估计。     

利用主观贝叶斯方法进行不确定性推理

介绍主观贝叶斯方法数学理论，描述其在不确定性推理中的应用，给出两种求解方法．     

基于Dempster-Shafer理论的不确定推理设计与实现

不确定性推理是专家系统中的一个重要研究方向,针对传统贝叶斯方法不能处理推理中出现的未知情况,提出了一种将Dempster-Shafer理论和确定性因子相结合的方法,很好地解决了推理中出现的未知情况,并用CLIPS开发工具进行了模拟实现。     

基于网络的案例推理专家系统

基于案例推理与网络的结合是案例推理技术发展的一个重要方向.根据网络的特点,提出采用面向服务的体系结构实现网络上的CBR专家系统,并基于J2EE平台实现了此CBR专家系统,以适应网络环境下知识工程的发展.     

推理网络中的证据理论方法

提出了一种基于证据理论的推理网络上不确定性描述及传播的方法,特别是引入了“认可”函数,能直观地表示对一概念的了解程度。此法已应用于测井信息综合解释专家系统WELIES,取得了满意的效果。     

专家系统中主观Bayes方法的可信度传播

不精确推理是基于规则的专家系统的重要组成部分,主观 Bayes 方法是比较常用的方法之一.目前,在主观 Bayes 方法的可信度传播中,反复使用 EH 和 CP 公式计算后验概率,并反复地进行概率与几率之间的转换,十分繁杂,而且与实际需要不符.事实上,在一个实用专家系统中,并不需要计算概率传播,但却需要计算可信度传播.这是由于在同用户对     

贝叶斯网络研究综述

贝叶斯网络将概率理论和图论相结合,为解决不确定性问题提供了一种自然而直观的方法.近年来,贝叶斯网络已成为国内外智能数据处理的研究热点之一,被广泛应用于专家系统、决策支持、模式识别,机器学习和数据挖掘等领域.综述了贝叶斯网络的典型推理和学习算法,并对其进一步的研究方向进行了展望.     

不确定性推理

专家系统主要由知识库和推理机组成由于知识带有模糊性、随机性、不确定因素．所以由不精确的知识进行推导，得到所需要的结论成为专家系统中的一个重要研究内容．本文探讨高级知识推理方法的一种即不确定性推理．     

专家系统中的近似匹配和近似推理

专家系统中的知识的不确定性推动了近似推理的研究。而实施近似推理的前提是完成近似匹配。由此,本文首先讨论专家系统中有关不确定性的问题,继而通过引入λ—匹配和ε—匹配的概念探完了专家系统中的近似匹配及基于近似匹配的近似推理的策略和方法。从而修改和完善了文献[1,3,4]的部分结果。     

确定性理论及主观Bayes方法的一个统一框架

本文讨论下列问题:1.提出一个统一框架:假定不确定知识由断言和推理不确定性组成,则其推理形式由AND型结合、OR型结合和COMB(组合)型结合组成.2.讨论在建造专家系统中,处理不确定性知识的确定性理论和主观Bayes方法,并将这个统一框架用于上述二种不精确推理方法,使这二种推理方法进一步系统化.3.讨论确定性理论和确定性因子的定义,提出一个将确定性因子的区间从[-1,1]压缩到[0,1]的方法.     

专家系统开发平台不确定性推理机的研究与实现

本文提出了一种以可信度为基础的不确定性推理算法,并将其应用到专家系统平台的开发实现中。然后以该平台实现的辣椒专家系统的种子选择决策为例,对推理机的应用进行了陈述。试图在理论与实践上产生一定的突破,同时使平台系统能为建造各种实用的专家系统提供方便。     

基于规则的非精确反向推理专家系统

专家系统是人工智能的重要应用领域,基于反向推理的产生式系统是其最有效的知识表示形式和逻辑推理的基本模型.在详细分析其基本结构的基础上,采用规则和确定性因子描述不确定性知识,提出了反向非精确推理的算法,分析了解释机制、知识获取机制的实现手段,为专家系统的设计与开发提供了重要依据.     

案例推理和规则推理相结合的农业专家系统的研制

简要介绍了基于规则推理建立传统专家系统中遇到的一些问题，同时对基于案例推理的方法进行简单描述，提出了将两者相结合的农业专家系统，设计了该专家系统的整体结构图和工作流程，并对实现系统的部分关键技术进行探讨和构想；最后以马铃薯病害决策为例介绍了系统的工作步骤，验证了以此提高求解问题的可靠性，增强了系统在实际应用中的适用性。