第一章 绪论 1
第一节 专家系统发展简史 1
章二节 专家系统的特征 3
第三节 专家系统的分类 4
第四节 专家系统的优越性 7
第五节 专家系统的局限性 8
第六节 地质专家系统概述 12
本章小结 17
第二章 专家系统的设计和建立 19
第一节 专家系统的基本组成部分 19
第二节 专家系统设计的基本思想 20
第三节 专家系统的设计技巧 22
第四节 专家系统的建立过程 23
(一)知识库的设设 23
(二)推理机的设计 29
(三)“人-机”接口设计 29
(四)专家系统的实现算法 30
第三章 知识表示的基本方法 31
第一节 逻辑表示法 32
(一)命题逻辑 32
(二)谓词逻辑 38
(三)一阶谓词逻辑表达方法 39
(四)逻辑表示法的求解过程及其应用 45
(五)逻辑表示法的优缺点 46
第二节 语义网络表示法 46
(一)语义网络的概念 46
(二)语义网络表示法的优缺点 47
(三)语义网络表示法的应用 47
第三节 产生式规则表示法 48
(一)产生式系统的基本组成部分 48
(二)产生式系统的问题求解 49
(三)产生式系统的推理解释 51
(四)产生式系统在开发专家系统中规则库,数据库和控制器的设计 52
(五)产生式系统的特征及其应用 53
第四节 状态空间表示法 53
(一)状态空间表示法的概念 53
(二)状态空间表示法的应用 54
第五节 特性表表示法 55
(一)特性表表示法的基本概念 55
(二)特性表表示法的应用 56
第六节 框架表示法 56
(一)框架表示法的概念 56
(二)框架表示法示例 57
(三)框架表示法的特性和应用 59
第七节 “与或图”表示法 59
(一)与或图的概念 59
(二)与或图构成规则 60
(三)与或图表示法示例 60
第八节 过程表示法 62
(一)过程表表示法的概念 62
(二)过程表示法的特性 62
(三)过程表示法的应用 62
第九节 知识表示语言 63
(一)知识表示语言KRL 63
(二)知识表示语言MIRROR 64
本章小结 64
第四章 专家系统中的自动推理 66
第一节 广度优先搜索法 69
(一)广度优先搜索法的概念 69
(二)广度优先搜索法的算法 69
(三)广度优先搜索法的示例 70
第二节 深度优先搜索法 71
(一)深度优先搜索法的概念 71
(二)深度优先搜索法的搜索过程 72
(三)深度优先搜索法的示例 73
第三节 有界深度优先搜索法 74
(一)有界深度优先搜索法的概念 74
(二)有界深度优先搜索算法 74
(三)有界深度优先搜索法的示例 76
第四节 代价推进搜索法 78
(一)代价推进搜索法的概念 78
(二)代价推进广度优先搜索法 78
(三)代价推进有界深度优先搜索法 79
(四)代价推进搜索法的示例 79
第五节 局部择优搜索法 82
(一)局部择优搜索法的概念 82
(二)局部择优搜索法的过程 83
(三)局部择优搜索法的特征 83
(四)局部择优搜索法的示例 84
第六节 最好优先搜索法 85
(一)最好优先搜索法的概念 85
(二)最好优先搜索法的过程 85
(三)估价函数的启发能力 86
(四)最好优先搜索法的示例 88
第七节 与或树图搜索法 90
(一)与或树图搜索法的概念 90
(二)与或树搜索法的流程 91
第八节 与或树广度优先搜索法 92
(一)与或树广度优先搜索法的概念 92
(二)与或树广度优先搜索法的流程 93
(三)与或树广度优先搜索法的示例 94
第九节 与或树有界深度优先搜索法 94
(一)与或树有界深度优先搜索法的概念 94
(二)与或树有界深度优先搜索法的流程 94
(三)与或树有界深度优先搜索法示例 96
第十节 与或树代价驱动搜索法 96
(一)与或树代价驱动搜索法的概念 96
(二)与或树代价驱动搜索法示例 98
第十一节 与或树的最好优先搜索法 99
(一)与或树的最好优先搜索法的概念 99
(二)与或树的最好优先搜索法的流程 99
(三)与或树最好优先搜索法示例 100
第十二节 与或图一种启发式搜索过程AO*算法 102
(一)与或图的解图及其费用 102
(二)与或图一种启发式搜素过程AO*算法 105
(三)AO*算法示例 106
第十三节 博弈树的启发式搜索 107
(一)博弈和博弈树 107
(二)博弈树搜索的极小极大过程 109
(三)α-β剪枝法 114
第十四节 规划的启发式搜索 117
(一)组合爆炸和推理复杂性 117
(二)基本规划和多层规划 121
第十五节 启发式搜索的完备性及复杂性 126
(一)启发评价 126
(二)启发完备性的判定 128
(三)启发剪枝 129
(四)搜索效率 129
第十六节 归结及置换合一原理 130
(一)归结原理 130
(二)置换和合一 133
第十七节 归结反演系统 134
第十八节 双向推理 136
(一)正向推理(向前推理) 136
(二)反向推理 137
(三)双向推理 139
第十九节 三段论法 141
第二十节 归纳推理 142
第二十一节 MYCIN中的不精确推理 143
(一)MYCIN介绍 143
(二)MYCIN的推理控制 144
(三)不精确推理算法 144
(四)MYCIN在不精确推理中的用法 147
(五)MYCIN的不精确推理示例 148
第二十二节 证据理论 149
(一)基本理论 149
(二)基本算法 152
(三)应用证据理论示例 155
第二十三节 发生率计算 157
(一)纯数值结构的限制 157
(二)基本理论和方法 159
(三)维持一致 161
(四)实现建议 163
第二十四节 模糊集理论 163
(一)模糊集理论和概率论的区别 163
(二)模糊集理论 164
(三)模糊集理论应用示例 165
本章小结 168
第五章 机器学习 170
第一节 学习模型 170
(一)关于“学习”的概念 170
(二)学习研究的发展过程 170
(三)研究学习的目的 171
(四)学习系统 171
(五)影响学习系统的因素 171
(六)学习系统中4种基本的学习情况 172
(七)机器学习系统的结构和功能 172
第二节 机械学习 174
第三节 指导学习 174
第四节 实例学习 176
第五节 类推学习 177
(一)类推学习的基本原理 177
(二)类推学习的实例介绍 179
本章小结 183
第六章 专家系统中知识库的维护 184
第一节 如何发现某条规则需进行修改 184
第二节 如何修改 185
第三节 对知识库中规则的先验概率的修改 187
第七章 专家系统的评价 188
第一节 为什么要进行评价 188
第二节 评价中的设计问题 189
第三节 何时评价 191
第四节 如何评价 193
(一)专家系统评价的方法 193
(二)专家系统评价的内容 198
(三)评价工具 199
本章小结 201
第八章 专家系统工具 202
第一节 概况 202
第二节 专家系统工具分类 203
(一)通用程序设计语言 203
(二)骨架系统 204
(三)通用知识表示语言 204
(四)组合工具 204
第三节 专家系统工具发展阶段 205
(一)专家系统3个发展阶段的主要特征 205
(二)实验系统工具 206
(三)研究系统工具 206
(四)商用系统工具 206
第四节 KAS系统 208
(一)KAS系统概述 208
(二)KAS系统中的知识表示 209
(三)KAS系统的推理机 210
(四)KAS系统的辅助设施 212
(五)KAS系统的应用 212
第五节 EMYCIN系统 212
(一)EMYCIN系统概述 212
(二)EMYCIN系统中的知识表示 213
(三)EMYCIN系统的推理机 214
(四)EMYCIN系统的辅助设施 215
(五)EMYCIN系统的应用 215
第六节 EXPERT系统 215
(一)EXPERT系统概述 215
(二)EXPERT系统的知识表示 216
(三)EXPERT系统的推理机 216
(四)EXPERT系统的辅助设施 216
(五)EXPERT系统的应用 217
第七节 其他专家系统工具 217
(一)AGE 217
(二)HEARSAY-Ⅲ 218
(三)LOOPS 218
(四)OPS 219
(五)PCEST 219
本章小结 220
第九章 “探矿者”专家系统 221
第一节 概况 221
第二节 矿床地质模型的建立 223
第三节 推理网络 224
(一)“探矿者”专家系统的基本推理过程 224
(二)3种基本推理关系 225
(三)斑岩铜矿模型(PCDA)推理网络结构示例 226
第四节 控制策略 228
第五节 语义网络及其应用 228
第六节 似然推理模型 230
第七节 判别树推理模型 240
第八节 “探矿者”专家系统应用实例 241
本章小结 244
第十章 瓦斯地质专家系统 246
第一节 瓦斯地质专家系统概述 246
(一)瓦斯地质专家系统研究的基本内容 246
(二)建立瓦斯地质专家系统的基本途径 246
(三)选择CM.1专家系统工具建立瓦斯地质专家系统的理由和依据 249
第二节 专家系统工具CM.1概述 250
第三节 CM.1的知识表示 257
第四节 CM.1的推理机 263
(一)推理机的求值方法 263
(二)可信度的计算 265
(三)推理策略 268
第五节 CM.1与外部函数的接口 270
第六节 CM.1的开发机构 277
第七节 CM.1系统的使用 281
第八节 CM.1的命令和预定义项 285
(一)CM.1的命令 285
(二)CM.1的预定义项 290
第九节 判别区分煤与瓦斯突出与非突出矿井(煤层)的专家系统 295
(一)建立本系统的基本思路 295
(二)本系统的组成部分 297
(三)本系统的知识库结构 298
(四)本系统的推理策略 305
(五)本系统的知识获取 309
(六)本系统的解释功能 309
(七)本系统的用户接口设计 309
(八)本系统的应用实例 310
参考文献 316