基于Rough集和ANN的專(zhuān)家系統(tǒng)知識(shí)獲取研究.pdf

1、專(zhuān)家系統(tǒng)作為人工智能重要的應(yīng)用之一，在近幾十年的發(fā)展中理論和技術(shù)逐漸成熟，在許多領(lǐng)域中取得了廣泛和成功的應(yīng)用。專(zhuān)家知識(shí)的獲取是開(kāi)發(fā)專(zhuān)家系統(tǒng)的重要環(huán)節(jié)，但由于傳統(tǒng)的專(zhuān)家知識(shí)獲取方法效率低下，一直是專(zhuān)家系統(tǒng)開(kāi)發(fā)的“瓶頸”問(wèn)題。Rough曲集(粗糙集)和ANN(人工神經(jīng)網(wǎng)絡(luò))由于各自在知識(shí)獲取中的優(yōu)勢(shì)及良好的互補(bǔ)特性，因此二者相結(jié)合的知識(shí)自動(dòng)獲取研究為解決專(zhuān)家系統(tǒng)的瓶頸問(wèn)題提供了很好的思路。二者結(jié)合的主要思路是把粗糙集理論作為神經(jīng)網(wǎng)絡(luò)的前端處

2、理器，應(yīng)用粗糙集理論的知識(shí)約簡(jiǎn)功能，去除原始數(shù)據(jù)中的冗余屬性，把約簡(jiǎn)之后的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入，以此降低神經(jīng)網(wǎng)絡(luò)輸入的維數(shù)，縮小網(wǎng)絡(luò)規(guī)模并提高輸入數(shù)據(jù)的質(zhì)量，使得訓(xùn)練后的網(wǎng)絡(luò)具有較好的泛化能力和預(yù)測(cè)精度。 按照這個(gè)思路，本文對(duì)基于Rough曲集和ANN的專(zhuān)家系統(tǒng)知識(shí)獲取問(wèn)題進(jìn)行了研究。本文首先介紹了專(zhuān)家系統(tǒng)及其知識(shí)獲取的基本理論與方法，并分析了其傳統(tǒng)知識(shí)獲取方法的不足；然后，本文對(duì)粗糙集和神經(jīng)網(wǎng)絡(luò)的基本理論進(jìn)行了簡(jiǎn)要介紹，并對(duì)