1 专家系统引论 1
1.1 概况 1
1.1.1 什么是专家系统 1
1.1.2 专家系统的历史和发展 6
1.2 专家系统的特点 15
1.2.1 专家系统的特性 16
1.2.1.1 知识表示 16
1.2.1.2 知识转移 18
1.2.2 专家系统和其它系统的区别 19
2 专家系统设计的基本概念 22
2.1 符号 22
2.2 搜索 25
2.2.1 基本搜索法 26
2.2.1.1 深度优先法（Depth First Search） 27
2.2.1.2 广度优先法（Breadth First Search） 28
2.2.2.3 爬山法（Hill Climbing） 28
2.2.2 基本搜索策略 30
2.2.2.1 回溯策略（Backtracking Strategies） 30
2.2.2.2 图搜索策略（Graph Search Strategies） 31
2.2.3 启发式搜索策略（Heuristic Search Strategies） 32
2.2.3.1 估价函数 33
2.2.3.2 A算法 34
2.2.4 与或图搜索 36
2.2.5 抽象空间搜索 39
2.2.6 生成——测试法 40
2.3 符号推理 41
2.3.1 假设与约定 41
2.3.2 从属性和判断 42
2.3.3 约束与目标 44
2.3.4 分解为元问题 45
3 专家系统中的知识表达技术 47
3.1 知识的定义 47
3.2 知识表示的属性 49
3.3 知识表示模式 51
3.3.1 逻辑模式 51
3.3.2 产生式规则表示法 53
3.3.3 语义网络表示法 55
3.3.4 框架模式 58
3.3.5 脚本模式（Script） 62
3.3.6 多层次知识模块表示法 63
3.3.7 过程模式 64
3.3.8 知识表达语言 65
3.3.9 神经网络表示法 66
4 专家系统中的推理机制 69
4.1 推理方式 69
4.1.1 演绎推理 69
4.1.2 归纳推理 71
4.1.3 非单调推理 72
4.1.4 定性推理 74
4.1.5 不精确推理 77
4.2 推理控制策略 81
4.2.1 冲突消解策略 82
4.2.2 后向链控制策略 84
4.2.3 前向链控制策略 87
4.2.4 混合控制策略 88
4.2.4.1 中间——结局分析法 89
4.2.4.2 计划—生成—测试策略 91
4.2.4.3 双向推理技术 92
4.2.5 多级控制策略 93
5 专家系统中的不确定性 95
5.1 不确定信息的表示和处理 95
5.1.1 数值方法 96
5.1.2 非数值方法 97
5.2 主观Bayes方法 100
5.2.1 Bayes公式的修改形式 100
5.2.2 Bayes修改公式的实际应用 104
5.2.3 证据合成 106
5.3 信任度的应用 108
5.3.1 信任度 108
5.3.1.1 信任度的完备标准 108
5.3.1.2 绝对信息量C（H）和相对信息量C（H|E） 109
5.3.1.3 信任度的设计方法 112
5.3.2 信任度在MYCIN系统中的应用 113
5.3.2.1 CF 113
5.3.2.2 证据组合 115
5.3.2.3 可信度叠加 116
5.3.2.4 CF的两个极值问题 117
6 专家系统的任务和结构 120
6.1 专家系统的任务 120
6.2 专家系统的一般结构 123
6.3 专家系统结构的选择 127
6.3.1 知识和数据可靠的简单任务：穷尽法 127
6.3.2 求解空间大，但可划分子空间的任务：生成——测试法 129
6.3.3 空间大而可分，但无评价部分解的任务：空间抽象——匹配法 131
6.3.4 子问题相关的任务：最佳调度法 133
6.3.5 无固定的子问题划分方法：由顶向下逐步完善法 136
6.3.6 子问题互相作用：最小约束法 137
6.3.7 大型求解空间有大量类似解，或知识不全：试探法 140
6.3.8 求解空间不可测：猜测方法 143
6.3.9 求解问题的知识面宽而复杂：多知识表达法 144
6.3.10 数据不全、不可靠：非精确性推理法 146
6.3.11 求解空间状态和数据随时间而变化：状态算法 148
7 规则基专家系统——MYCIN 152
7.1 概述 152
7.2 系统的知识表达 157
7.2.1 静态知识基 157
7.2.1.1 规则基 157
7.2.1.2 静态知识表 168
7.2.2 动态数据基 169
7.2.2.1 患者数据 169
7.2.2.2 动态记录数据 170
7.2.2.3 上下文结点类的特性 171
7.2.2.4 有关上下文树信息 171
7.3 系统控制结构 172
7.3.1 规则调用方法 172
7.3.2 推理网络 175
7.3.3 上下文树 178
7.3.4 临床参数的追踪步骤 180
7.3.5 基本控制结构的变异 182
7.3.5.1 MAINPROPS 182
7.3.5.2 先行规则（ANTECEDENT RULES） 182
7.3.5.3 自参考规则（SELF—REFERENCING RULES） 183
7.3.5.4 映射函数（MAPPING FUNCTION） 183
7.3.6 选择治疗方案 184
7.3.6.1 编制治疗方案 184
7.3.6.2 选择最优处方 185
7.4 信任度计算模型 186
7.5 知识获取 187
7.6 一个咨询例子 188
8 语义网络专家系统——PROSPECTOR 191
8.1 概述 191
8.2 系统知识 192
8.2.1 地质知识的表达和应用 192
8.2.2 系统中的语义网络 195
8.3 推理网络 199
8.3.1 推理网络的概率传递 199
8.3.2 推理网络的转换 202
8.3.3 网络参数估计 204
8.3.4 用户界面 207
8.4 控制策略 209
8.4.1 初始条件 209
8.4.2 自动提交信息 210
8.4.3 标记I搜索算法 210
8.4.4 状态和信息产生 212
8.4.5 J评价函数 213
8.4.6 结束条件 214
8.5 矿床模型设计 215
8.5.1 模型设计 215
8.5.2 模型性能评价 216
8.6 一个咨询例子 219
9 框架式专家系统——AM 222
9.1 概述 222
9.2 系统知识表达 223
9.2.1 概念的表达 223
9.2.2 平面的表达 225
9.2.3 启发式规则 233
9.2.3.1 启发式规则形式 233
9.2.3.2 启发式规则提出新任务 234
9.2.3.3 启发式规则建立新概念 235
9.2.3.4 启发式规则填充一个平面 237
9.2.3.5 相关启发式规则的收集 239
9.2.3.6 AM的启发式规则基 241
9.3 控制策略 243
9.3.1 AM的搜索 243
9.3.1.1 概念的存贮 243
9.3.1.2 AM的任务 243
9.3.1.3 AM搜索的约束 245
9.3.2 事件表 245
9.3.3 全局评价函数 246
9.4 AM的实现 247
10 模型驱动型专家系统——GAI 248
10.1 概述 248
10.1.1 背景 248
10.1.2 例题 249
10.2 系统控制 251
10.2.1 控制过程 251
10.2.2 数据检查 252
10.2.3 生成器约束 253
10.2.4 生成假设 253
10.2.5 评审候选结构 256
10.2.6 性能评价 256
10.3 和DENDRAL的比较 257
10.3.1 DENDRAL程序介绍 257
10.3.2 GAI和DENDRAL的比较 258
11 知识基管理专家系统——TEIRESIAS 260
11.1 概述 260
11.1.1 知识和元知识 261
11.1.2 TEIRESIAS和MYCIN 263
11.2 系统的元知识表达 265
11.2.1 规则模型 265
11.2.2 数据结构程式 267
11.2.3 元规则 272
11.3 系统元知识的应用 273
11.3.1 知识获取 273
11.3.1.1 规则获取 274
11.3.1.2 概念元获取 278
11.3.2 解释 281
11.3.3 知识管理策略 283
12 专家系统在各领域中的应用 285
12.1 在医学上的应用 285
12.1.1 CASNET 285
12.1.2 INTERNIST 286
12.1.3 PIP（Present Illness Program） 288
12.1.4 Digitalis Therapy Adivisor（洋地黄治疗建议） 290
12.1.5 IRIS 290
12.1.6 EXPERT 292
12.2 在化学上的应用 293
12.2.1 CONGEN系统和它的扩展 294
12.2.2 元DENDRAL系统 294
12.2.3 CRYSALIS系统 296
12.2.4 在有机合成中的应用 297
12.3 在教育上的应用 298
12.3.1 SCHOLAR 300
12.3.2 WHY 302
12.3.3 SOPHIE 304
12.3.4 WEST 307
12.3.5 WUMPUS 309
12.3.6 GUIDON 310
12.3.7 BUGGY 314
12.3.8 EXCHECK 315
12.4 工程咨询系统 317
12.5 在数据库管理中的应用 319
参考文献 323