动物识别专家系统研究与设计

动物识别专家系统研究与设计

摘要：动物识别专家系统是将人的思维过程转化为计算机语言的逻辑过程，其关键在于知识和信息的表示，智能推理或求解的基础——知识库的创建和管理，以及基于某种知识和信息表示的智能推理或求解过程。专家系统已有很广泛而又重要的应用，它对人类所作出的贡献，使它越来越为更多人所接受，专家系统有着广泛的应用，遍及化学、医学、地质学、气象学、教育乃至军事等方面。本论文所做的研究与设计是以识别七种动物为设计思路所写的。通过输入一些已知事实，然后运用规则进行推理，最终判断出动物。

关键字：动物识别，人工智能，产生式系统

一、专家系统基本知识

1.1动物识别专家系统介绍

动物识别专家系统是人工智能中一个比较基础的规则演绎系统，是人工智能领域里的一个大模块的专家系统的一个特定例子。是集知识表与推理为一体的，以规则为基础对用户提供的事实进行向前、逆向或双向的推理得出结论的一种产生式系统。如果通过良好的分析、精确地设计和细致的规划会创设出高度灵活和快速有效的识别系统，再加上良好的界面供用户添加新的事实和规则，反馈详细的错误或信息的话，那就是一个相当完整的识别系统了。

1.2专家系统实际应用

目前专家系统已经成功地渗透到生活的各个领域，并且还产生了巨大的社会效益和经济效益。例如，像车辆传感、药物、纺织服装等重工业和轻工业领域中都会应用到，特别是在计算机领域里，现在已经是一门非常重要的学科类了。

1.3专家系统的开发

专家系统设计与实现的一般过程

图1 专家系统开发流程

二、设计基本思路

2.1知识库

2.2.1知识库作用

用产生式系统鉴别动物，需要一种演绎机制，利用己知事实的集合做出新的结论，一种方法是替动物园中的每个动物作一个产生式，使用者首先收集所有可利用的事实，然后在产生式的表中进行扫描，寻找一个状态部分能与之匹配的产生式。一般要经过多少步并生成和利用一些中间事实才能从基本事实推出结论，这样做所包含的产生式可以比较小，容易理解，容易使用和容易产生。动物识别专家系统中的知识库中的知识通常是用规则表示的。

2.1.2 知识库建立

在本文中我们多建立的知识库所要遵循的规则如下：

规则1：

如果：动物有毛发

则：该动物是哺乳动物

规则2：

如果：动物能产奶

则：该单位是哺乳动物

规则3:

如果：该动物有羽毛

则：该动物是鸟

规则4：

如果：动物会飞，且会下蛋

则：该动物是鸟

规则5：

如果：动物吃肉

则：该动物是肉食动物

规则6：

如果：动物有犬齿，且有爪，且眼盯前方

则：该动物是食肉动物

规则7：

如果：动物是哺乳动物，且有蹄

则：该动物是有蹄动物

规则8：

如果：动物是哺乳动物，且是反刍动物

则：该动物是有蹄动物

规则9：

如果：动物是哺乳动物，且是食肉动物，且是黄褐色的，且有暗斑点

则：该动物是豹

规则10：

如果：如果：动物是黄褐色的，且是哺乳动物，且是食肉，且有黑条纹

则：该动物是虎

规则11：

如果：动物有暗斑点，且有长腿，且有长脖子，且是有蹄类

则：该动物是长颈鹿

规则12：

如果：动物有黑条纹，且是有蹄类动物

则：该动物是斑马

规则13：

如果：动物有长腿，且有长脖子，且是黑色的，且是鸟，且不会飞

则：该动物是鸵鸟

规则14：

如果：动物是鸟，且不会飞，且会游泳，且是黑色的

则：该动物是企鹅

规则15：

如果：动物是鸟，且善飞

则：该动物是信天翁

在本系统中一共有15条规则，可以识别七种动物。这些规则既少又简单，在今后我们完善系统时可以以此为蓝本来改造这些规则，也可以加进新的规则，同时，也可以替换这些规则来识别其他的事物，如花、草、鸟等。我们把规则定义为对象，把规则的结构以及关于规则的推理使用定义成规则类，由规则类生成的所有规则对象组成知识库，对知识库的操作方法由规则类的操作方法提供。

图2 规则的结构

规则类定义：

class rule

{

char *Name;

list *Pre;

int Conc;

public:

rule *Next;

rule(char *N,int P[],int C);

~rule();

int Query();

void GetName()

{

cout<

};

规则由规则类的构造函数建立，规则动态节点的存储单元由析构函数释放。一条规则是一个知识实体，它本身具有咨询推理功能，这由规则类的函数Query实现。在本系统中，除了知识库外，还有一个事实库，记录用户与系统对话的结果及推理的中间结果。

事实库的结构下：

图3 事实的结构

事实的定义如下：

class fact

{ private:

int Number;

char Name[21];

int Active;

int Succ;

public:

fact *Next;

fact(int Num,char *L)

{

strcpy(Name,L);

Number=Num;

Active=False;

//-1 是已经推理，不符合。1 是已经推理，符合。

Succ=DontKnow; //0 是无，-1 是不知道，1 是有。

Next=NULL;

}

char *GetName()

{

char *L;

L=new char[21];

strcpy(L,Name);

return L;

}

int GetNumber()

{

return Number;

}

int GetAct()

{

return Active;

int GetSucc()

{

return Succ;

}

void PutAct(const int Act0,int Suc0)

{

Active=Act0;

Succ=Suc0;

}

};

在建立知识库的同时，也建立了事实库，事实库也是一个动态链表，一个事实是链表中的一个节点，确切的说事实库与知识库是一个统一体，事实号事实库的唯一关键字，知识库中的规则通过事实号与事实库发生联系。

图4 规则及前提链

前提链由链对象实现，链的结点只有两个数据域，一个事实号，另一个是指向下一个节点的指针，链类说明如下：

class list

{

private:

int Number;

public:

list *Next;

list(int Num)

{

Number=Num;

Next=NULL;

}

int GetNumber()

{

return Number;

}

};

2.1.3 知识库获取

知识获取一般是指从某些知识源中获取专家系统问题求解所需要的专门知识，并以某种形式在计算机中存储、传输与转移。专家系统的知识获取一般是由知识工程师与专家系统知识的获取机构共同完成的。

知识获取的常用方法有以下几种：

1.手工知识获取；

2.半自动获取；

3.自动知识获取；

4.人工神经网络知识获取；

选用哪种知识获取方法需要根据当前的系统，以及用户的需求来决定。但在有些大型系统上还可能会用到不是仅仅一种方法的。

2.2 数据库

2.2.1数据库作用

数据库即为事实库，在计算机中流出一些存储区间，以存放反应系统当前状态的事实，存放用户回答的事实、已知的事实和由推理而得的事实，即由已知事实推导出的假设成立时，也作为事实。其综合数据库的内容是不断变化的。本系统中有30个事实，给每个事实一个编号，在规则对象中，我们不存储事实概念，只有该事实的编号，同样规则的结论也是事实概念的编号，事实与规则的数据以常量表示。

2.2.2数据库建立

char *str[]={"",

"反刍动物" /* 1 */, "蹄类动物" /* 2 */, "哺乳动物" /* 3 */,

"目视前方" /* 4 */, "有爪子" /* 5 */, "有犬齿" /* 6 */,

"吃肉" /* 7 */, "下蛋" /* 8 */, "会飞" /* 9 */,

"有羽毛" /* 10 */, "有蹄" /* 11 */, "肉食动物" /* 12 */,

"鸟类" /* 13 */, "产奶" /* 14 */, "有毛发" /* 15 */,

"善飞" /* 16 */, "黑白色" /* 17 */, "会游泳" /* 18 */,

"长腿" /* 19 */, "长脖子" /* 20 */, "有黑色条纹" /* 21 */,

"有暗斑点" /* 22 */, "黄褐色" /* 23 */, "信天翁" /* 24 */,

"企鹅" /* 25 */, "鸵鸟" /* 26 */, "斑马" /* 27 */,

"长颈鹿" /* 28 */, "老虎" /* 29 */, "猎豹" /* 30 */,

"\0"};

int rulep[][6]={{22,23,12,3,0,0}, {21,23,12,3,0,0}, {22,19,20,11,0,0},

{21,11,0,0,0,0}, {17,19,20,13,-9,0},{17,18,13,-9,0,0},

{16,13,0,0,0,0}, {15,0,0,0,0,0}, {14,0,0,0,0,0},

{10,0,0,0,0,0}, {8,7,0,0,0,0}, {7,0,0,0,0,0},

{4,5,6,0,0,0}, {2,3,0,0,0,0}, {1,3,0,0,0,0}};

int rulec[]={ 30, 29, 28,

27, 26, 25,

24, 3, 3,

13, 13, 12,

12, 11, 11};

三、推理机构

3.1推理机介绍

3.1.1 推理机作用原理

推理机是一组函数，本例既有正向推理机又有反向推理机，都是用精确推理。推理机是实施问题求解的核心执行机构，它是对知识进行解释的程序，根据知识的语义，对按一定策略找到的知识进行解释执行，并把结果记录到动态库的适当空间中去。

图5 规则对象的接口

3.1.2推理网络

下图为识别本文中所举的识别七种动物时所规则形成的推理网络：

图6 推理网络

3.2 正向推理

3.2.1 正向推理基本思想

用户首先提供一批事实，存放到数据库中，然后推理机进行工作。方法是：

1.推理机用这批事实与知识库中规则的前提进行匹配。

2.把匹配成功的规则的结论部分作为新的事实加到数据库中去(这时，数据库中的事实增加了)。再用更新后的数据库中的所有事实，重复上述①②二步，如此反复进行，直到得以结论(答案)或不再有新的事实加到数据库为止。

例如，用户输入一批事实：动物有暗斑点、长脖子、长腿、产奶、有蹄子(这批事实存放在数据库中)，要求系统判断这是一个什么动物？推理机利用这批事实来匹配规则。

3.2.2 正向推理示意图

图7 正向推理示意图

3.2.3 正向推理机所要具有功能

要设计一个正向推理机，就是设计一组程序，使其至少具有以下的功能：

1.能用数据库中的事实去匹配规则的前提，若匹配不成功，能自动地进行吓一跳规则的匹配。这里

如何匹配最为合适，是设计专家系统者根据专业特点和知识表示等情况，需要很好考虑的问题，也就是在匹配时到底用什么策略等问题都需要考虑周全；

2.若某条规则匹配成功，系统能将此规则的结论部分自动加入数据库；

3.能判断何时应结束推理；

4.能将匹配成功的规则记录下来；

3.3反向推理

3.3.1反向推理基本思想

由用户或系统首先提出一批假设，然后系统逐一验证这些假设的真假性，方法：

1.看假设是含在数据库中，若在，则假设成立，推理结束或进行下一个假设的验证，否则进行下一步。

2.判断这些假设是否是证据节点，若是，系统提问用户，否则进行下一步。

3.找出结论部分包含此假设的那些规则，把这些规则的所有前提作为新的假设。

4.重复①、②、③步。

3.3.2 反向推理示意图

图8 反向推理示意图

3.3.3反向推理机所要具有功能

1. 能根据用户要求或情况提出假设；

2. 能验证此假设是否是在数据库中；

3. 能把知识库中将结论部分包含此假设的规则都找出来；

4. 能将找出来地规则的前提部分取出，并作为新的假设逐条验证；

5. 能判断假设是否是证据接点，若是，能向用户提出相应的问题，并记录结果；

6. 能将匹配成功的规则记录下来；

7. 能判断何时应结束推理；

四、实例系统实现

4.1系统介绍

此系统是实现了《人工智能导论（第3版）》专家系统实例里的动物识别系统。此系统是识别——老虎、猎豹、斑马、长颈鹿、鸵鸟、企鹅、信天翁等七种动物。是严格遵循了知识库中的规则，并运用C语言在Visual C++ 6.0环境下实验编译同过的。因为各种原因没能设计实现出比较精美的界面，但还是体现出了很多专家系统所该具备的东西和功能。

4.2基本思路

该系统的知识表示采用产生式表示法。产生式系统由规则库、综合数据库、控制系统三个部分构成。其中规则库、综合数据库分别对应本系统中的rule类, str 指针链表。Rule链表存放用户输入的事实。用到一个fact事实类和Fact事实链表，并用GetName（），GetNumber（），GetAct（），GetSucc（）等函数来获取事实信息。推理控制策略采用精确匹配算法的正向推理。

4.3程序主要代码

/*

*/

rule::~rule()

{

list *L;

while(Pre)

{

L=Pre->Next;

delete Pre;

Pre=L;

}

delete Name;

}

/*

*/

int rule::Query()

{

char c; //保存用户输入按键符号

list *L; //临时前提链

fact *F; //临时事实链

L=Pre; //L指向前提链

F=Fact;

if(L==NULL) printf("\nError!"); //如果推理时，本规则前提链为空，出错，后面while循环也退出！while(L!=NULL) //前提链未处理完

{

F=Fact; //F指向事实链表

for(;;) //以当前前提，在事实链表中查询（根据ID）

{ //因为前提为“-事实ID”，表示该事实不成立，所以取绝对值

if(abs(L->GetNumber())==F->GetNumber()) break;

F=F->Next; //查询下一事实

} //退出循环时，F指向查询到的事实节点

if(L->GetNumber()>0) //如果前提为真

{

if((F->GetSucc())==True){ //而且事实链表中的这个事实断言也为真

L=L->Next; //则本规则的当前前提在推理中满足

continue; //继续下一前提的判断

}

if((F->GetSucc())==False) //该前提在事实链表中断言不成立

return False; //该规则推理使用结束，直接返回

}

else

{

if((F->GetSucc())==True) //Sorry，该前提在事实链表中断言却为真

return False; //该规则推理使用结束，直接返回

if((F->GetSucc())==False){

L=L->Next;

continue;

}

} //end if－else

printf("%s(Y/N)",F->GetName()); //向用户提问

c=getchar(); //接受用户输入

flushall();

if((c=='Y')||(c=='y')) //

{

if(L->GetNumber()>0) F->PutAct(1,True);

if(L->GetNumber()<0){ //且若当前规则中的当前前提要求为“假”

F->PutAct(1,True); //置激活和用户的断言

return False; //本规则推理结束，不成功；后面的前提不判断了！

}

}

else

{

if(L->GetNumber()<0) F->PutAct(-1,False);

if(L->GetNumber()>0){

F->PutAct(-1,False);

return False;

}

}

L=L->Next; //用户断言和当前规则的当前前提符合，则取当前规则的下一前提进行判断！

} //end while

————————————得出推理结论————————————

F=Fact;

for(;;)

{

if(Conc==F->GetNumber()) break; //在事实表中查找与当前规则得后件相同得事实F=F->Next; }

if(Conc<24) //如果规则后件（结论）不是最终最终性得（即不是7种要识别得动物）

{

F->PutAct(1,True); //那就是中间事实性结论，设置其激活和中间推理确证了的断言

return False; //然后返回，本规则并不能结束整个推理

}

printf("\n该动物是: %s\n",F->GetName());

return True;

}

4.4系统执行结果

五、结论

动物识别专家系统实现起来也许相对简单一些，但基本上也包括了专家系统的各个组成部分。动物识别具有一定的智能性，但是根据所采用的匹配方法的不同其智能性也有不小的差距。而知识库的管理和数据库的设计是否完善对于动物识别专家系统是极为关键的，这也是很多此类专家系统的通病。