知识获取方法DECO

知识获取方法学是目前人工智能领域中最重要的分支之一,现在已出现了几种不同应用范围的获取方法,集成式知识获取方法的研究已成为当前的一种趋势,本文所介绍的DECO方法是一种集成式方法,它将知识获取分为若干个基本上相互独立的步骤,并且溶进了知识库快速生成技术以及基于专家分析实例的学习方法。     

基于广义专家群思考模型的Web知识获取研究

将Web中面向特定问题的权威网页看作特殊专家针对问题的观点,特殊专家与人类专家一起构成了广义专家群体。如何获取与人类专家思维和认知状态相一致的来源于特殊专家群体的知识,是实现广义专家群体思维创新的关键问题之一。在广义专家群思考模型的基础上,提出基于意群的特殊专家知识获取方法,获得了能够较好反映特殊专家观点的信息和知识。并以产品设计创新过程中的特殊专家知识获取为例进行了验证。     

基于模型的知识获取及其一个范式

一、引言 知识获取被认为是知识工程的瓶颈,正如NIIs-。n田所指出的:“·…系统所需的成百条规则和上千个事实往往都是靠访问有关应用领域的专家来获取的,要把专家们的知识表示成事实和规则(或者任何其它形式的表达式)往往是一个枯燥而费时的过程,使这种知识获取过程自动化将是人工智能技术的一大进步.回顾历史,第一代知识获取技术是七十年代所广泛采用的“会晤”方式,即由计算机专家与领域专家长期交流;第二代知识获取技术则以八十年代计算机的辅助应用为特色;进入九十年代后,人们提出了高度集成的知识获取环境,这种环境提供从编辑、有效…     

一种基于二叉树的元知识学习算法MKL及其应用

ＭＫＬ是知识获取系统ＮＤＫＡＳ中实现的一个元知识学习算法，它在分类及抽象的基础上归纳出二叉树结构的元知识，用以有效地组织知识库中的规则．ＭＫＬ生成的元知识满足元知识的基本性质．本文给出了ＭＫＬ的算法描述，基本性质的满足性证明及算法的应用例子．     

一种基于粗糙集的诊断型知识发现方法

知识获取是开发专家系统的瓶颈，传统的病害知识获取通常需要一个较长的过程．针对这一问题，本文给出了粗糙集理论和基于规则的作物病害知识之间的关系，即在油菜植病专家知识获取过程中的应用，建立了基于RHINOS 诊断模型的油菜病害的排除规则、包含规则和病害映像，阐述了可能性规则定义，并给出了基于规则描述的自动归纳推理方法，包括全搜索过程、后处理过程、统计测试的评估以及交叉验证和鞋带方法等．实验结果表明，粗糙集不仅是一个很好的知识获取的框架，而且能正确的归纳推理植物病害的规则．这对诊断型专家系统的开发可起到一个很好的辅助作用，在智能化农业信息系统中有着广泛的应用前景．     

根据观察获取知识

本文介绍一种建立知识库的学习方法。从人类专家吸取知识的知识获取系统有两种类型:交互式和非交互式的。本文介绍非交互式知识获取系统,它依据观察从人类专家获得知识。这种知识获取系统学习人类专家用以解决问题的策略和从瞬时序列数据中抽取逻辑规则,其学习方法是基于翻译的学习(IBL),在学习过程中要用到预备知识。IBL 有两个子系统:翻译系统和学习系统。前者负责把现实世界的信息翻译成内部规则形式,而规则维护系统负责生成和界定知识。本文将介绍翻译系统和规则生成的预处理过程。     

一种改进的规则知识获取方法

知识获取是建立专家系统的最基本最重要的过程,但它又是研制和开发专家系统的“瓶颈”。文章提出了一种改进的规则知识机器自动获取技术,它将学习看作是在一个符号描述空间中的启发式搜索过程,能够通过归纳从专家决策的例子中确定决策规则,从而大大简化了从专家到机器的知识转换过程。     

基于神经网络的知识获取

本文提出了用基于规则专家系统与神经网络的集成，该系统实现了从实例中自动获取知识的功能．在产生和控制不完全情况方面提高了专家系统的推理能力．它使用无导师学习算法的神经网络来获取正规数据，并用一个符号生成器把这些正规的数据变换成规则．生成规则和训练后的神经网络作为知识库嵌于专家系统中．在诊断阶段，为了诊断不明情况，可同时使用知识库和人类专家的知识，而且系统可以利用训练过的神经网络的综合能力进行诊断，并使不相符数据完整化．     

模型管理系统中构模知识的组织和获取方法

提出了一种构模知识的组织和获取方法。构模知识分为模型知识、领域知识和数据知识3个层次，数据知识是最底层的知识，高层知识的应用通过调用底层知识完成。模型知识和领域知识可以通过交互的方式在专家的帮助下获取，数据知识可以由系统自动获取。应用这种方法，系统能够在专家构建模型时获取构模的知识，从而使模型资源得到有效利用，并解决了模型管理系统知识获取的瓶颈问题。     

地理信息知识获取Rough-NN模型研究

提出了一种粗糙集结合神经网络的粗糙集神经网络模型，对具有高度自相关性的地理信息进行知识获取．主要思想是利用辨别矩阵形成约简算法，得到最简的if-then规则；然后构造三层神经网络模拟最简规则，其中网络的输入输出由本文提出的参数训练方法确定．本文利用VB实现该模型，并对松花江流域的洪涝干旱灾情进行了仿真实验，结果表明该模型可以快速地获取最简的if-then规则，得到正确的决策结果．     

一种基于模糊Petri网的不确定知识获取方法及其应用

本文介绍一种基于模糊Petri网获取专家系统不确定知识的方法,文中给出了模糊Petri网的知识表示、不确定推理算法及应用实例。     

线性规划在知识获取中的应用

本文提出一个利用线性规划来实现从实例归纳学习的实用方法，简称为ＰＫＡ方法．该方法适用于许多分类专家系统的知识获取．     

基于粗集理论的知识处理方法在专家系统中的应用

为了提高专家系统中知识获取的能力,本文提出了一种基于粗集理论的专家系统模型 ．该模型在知识获取阶段引入知识过滤器,根据知识依赖度的变化对采集的知识进行评价和 分类．该系统还在知识库构造阶段引入知识重构机制,对原有的知识库进行精简和重构．本 文提出的方法不仅消除了知识库中的冗余属性,还对属性值空间进行合理划分,对整个系统 的性能有明显的改善效果．     

THE USEFULNESS OF A MACHINE LEARNING APPROACH TO KNOWLEDGE ACQUISITION

This paper presents results of experiments showing how machine learning methods arc useful for rule induction in the process of knowledge acquisition for expert systems. Four machine learning methods were used: ID3, ID3 with dropping conditions, and two options of the system LERS (Learning from Examples based on Rough Sets): LEM1 and LEM2. Two knowledge acquisition options of LERS were used as well. All six methods were used for rule induction from six real-life data sets. The main objective was to lest how an expert system, supplied with these rule sets, performs without information on a few attributes. Thus an expert system attempts to classify examples with all missing values of some attributes. As a result of experiments, it is clear that all machine learning methods performed much worse than knowledge acquisition options of LERS. Thus, machine learning methods used for knowledge acquisition should be replaced by other methods of rule induction that will generate complete sets of rules. Knowledge acquisition options of LERS are examples of such appropriate ways of inducing rules for building knowledge bases.     

专家知识的归纳获取

本文对于人工智能系统与专家系统的构造中，出现的“瓶颈”问题－－专家知识的归纳获取，从其机理，算法，环境，技术和应用等方面作了讨论。并通过对最新研究成果的分析，指出开展多学科交叉性的归纳获取研究，是当前人工智能前沿研究中殊为紧迫的任务。     

Integrated knowledge acquisition architectures

An architecture for knowledge acquisition systems is proposed based upon the integration of existing methodologies, techniques and tools which have been developed within the knowledge acquisition, machine learning, expert systems, hypermedia and knowledge representation research communities. Existing tools are analyzed within a common framework to show that their integration can be achieved in a natural and principled fashion. A system design is synthesized from what already exists, putting a diversity of well-founded and widely used approaches to knowledge acquisition within an integrative framework. The design is intended to be clean and simple, easy to understand, and easy to implement. A detailed architecture for integrated knowledge acquisition systems is proposed that also derives from parallel cognitive and theoretical studies.     

Knowledge types: a practical approach to guide knowledge engineering in domains of building design

Abstract: This paper presents experiences and findings achieved through several expert system projects in domains of technical buiding design. The main focus is on knowledge acquisition and knowledge decomposition. Different approaches are presented and discussed. Four types of knowledge are presented: object knowledge, performance knowledge, event knowledge and metaknowledge, and the applicability of this classification to building design is justified. The paper includes a listing of experiences gained by real world testing of an expert system, and finally we outline guidelines to knowledge engineering in the domain of technical building     

专家系统中背景研究的意义

人工智能中不同领域的研究表明：新一代的智能辅助系统是与背景相关的。虽然人们普遍接受知识应有一个背景部件的观点，但在可用的知识表态方法及随后的知识处理中极少显式表达和利用背景知识。本文着眼于探讨 背景研究在专家系统开发中的意义，以期阐明：背景知识的显式识别、表达与利用有助于专家系统听知识获取、知识表示、推
推理、学习和解释，从而提高专家系统自适应能力和解决问题的智能性。