专家系统
第12章_专家系统
专家系统的结构
概念结构 实际结构 网络与分布式结构 黑板模型
概念结构
实现推理的程序 用户通过界面向系 。使用知识库中 统提出或回答问题， 统提出或回答问题， 的知识进行推理 向系统提供原始数 而解决问题的， 而解决问题的， 知识库是以某种 据和事实。 据和事实。系统通 是专家的思维机 表示形式存储于 过界面向用户提出 制。 计算机中的知识 回答结果。 回答结果。 的集合。 的集合。包括专 推理过程中， 推理过程中 家知识、 ，回答 家知识、领域知 why之类的问题 之类的问题； 之类的问题 识和元知识。 识和元知识。 ；
推理结束后， 推理结束后，回答 管理知识库的建立。 how之类问题存放 之类问题。 之类问题 全局数据库， 全局数据库， 删除重组，知识的 删除重组， 初始证据事实、 初始证据事实、推 获取、 获取、知识的检查 理结果和控制信息 的场所。 的场所。
实际结构
（1）实际问题错综复 杂，可能需要多次推 理，所以知识库是多 层的或多块的。 （2）实际问题往往 不仅需要推理，而且 还需要做一些处理， 所以增加处理模块。
3.推理网络 在PROSPECTOR中，判断性知识用规则表 示。每条规则的形式如下： E→H(LS，LN) 推理网络中每条规则的LS、LN及每个语义 空间H的P(H)均由领域专家在建造知识库时提 供。 除了表示规则的弧外，推理网络中还有代 表先后顺序的弧(用虚线表示，见图8-10)，其 意义如下：
专家系统设计与实现
12.5.1 一般步骤与方法 由于专家系统也是一种计算机应用系统， 所以，一般说来，其开发过程也要遵循软件工 程的步骤和原则，即也要进行系统分析、系统 设计等几个阶段的工作。但又由于它是专家系 统，而不是一般的软件系统，所以，又有其独 特的地方。如果我们仅就“纯专家系统”而言， 则其设计与实现的一般步骤可如图8―13所示。
专家系统
特征识别与信息处理(FR＆IP)部分的作用是实现 对信息的提取与加工，为控制决策和学习适应提供依 据。它主要包括抽取动态过程的特征信息，识别系统 的特征状态，并对特征信息作必要的加工。
设U为专家控制器的输出集， E为专家控制器的输入集， I为推理机构的输出集，K为经验知识集：
E = (R, e, Y, U)，e = R – Y
式中，Ｒ为参考控制输入，ｅ为误差信号，Ｙ为受控输出， Ｕ为控制器的输出集。专家控制器的模型表示为
U = f (E,K,I)
智能算子f为几个算子的复合运算：f=g·h·p，其中： g:E→S；h:S×K→I；p:I→U
专家系统所要解决的问题一般没有算法解，并 且经常要在不完全、不精确或不确定的信息基础 上做出结论。
第一代专家系统只能利用人类专家的启发式知 识，即只能利用浅层表达方式和推理方法。
但遇到新问题时，还必须利用掌握的深入表示 事物的结构、行为和功能等方面的基本模型等深 层知识，得出新的启发式浅层知识。
智能程序：旨在模拟人类专家的智能程序应当 兼备浅层和深层两类知识。即不但采用基于规则 的方法，还必须采用基于模型的原理构成新一代 专家系统。
知识工程是指由知识工程师从人类专家那里抽 取他们求解问题的过程、策略和经验规则，然后 把这些知识建造在专家系统之中。
目前，专家系统在各个领域中已经得到广 泛应用，如医疗诊断、语音识别、图像处理、 金融决策、地质勘探、是有化工、军事、计 算机设计等。
专家系统具有启发性，能够运用人类专 家的经验和知识进行启发式搜索、试探性 推理、不精确推理或不完全推理
人工智能专家系统
人工智能专家系统人工智能（Artificial Intelligence，简称AI）专家系统是一种基于计算机技术和人类专家经验的智能化系统。
它能够模拟和实现人类专家在特定领域的问题解决能力，可以用于辅助决策、问题诊断和解决方案推荐等方面。
本文将从专家系统的定义、原理、组成和应用等四个方面进行论述。
一、专家系统的定义专家系统是一种基于知识工程的人工智能系统，它通过模拟和利用领域专家的经验和知识来解决特定领域的问题。
专家系统主要由知识库、推理机和用户界面三部分组成。
知识库存储了经验和知识，推理机则对知识进行推理和运算，用户界面则提供了用户与系统进行交互的接口。
二、专家系统的原理专家系统的原理可以概括为知识获取、知识表示、知识推理和知识应用四个步骤。
知识获取是指将专家的经验和知识进行提取和整理，并存储到系统的知识库中；知识表示是指将知识以适当的形式进行表达和组织，以便系统能够理解和推理；知识推理是指根据系统中的知识，通过推理机对问题进行分析和推理；知识应用是指将推理得到的结果转化为实际解决方案，供用户使用。
三、专家系统的组成专家系统主要由知识库、推理机和用户界面三部分组成。
知识库是专家系统存储知识和经验的地方，常见的形式包括规则库、案例库和模型库等。
推理机是专家系统进行推理和运算的核心组件，它能够根据知识库中的知识进行逻辑推理和问题求解。
用户界面则提供了用户与系统进行交互的接口，使用户能够方便地向系统提供问题并获取解决方案。
四、专家系统的应用专家系统在各个领域都有广泛的应用。
在医疗领域，专家系统可以用于辅助疾病诊断和治疗方案选择；在金融领域，专家系统可以用于风险评估和投资决策；在工业领域，专家系统可以用于故障诊断和维修指导。
此外，专家系统还可以应用于法律、教育、交通等领域，为人们提供更加智能化和便捷化的服务。
综上所述，人工智能专家系统是一种基于计算机技术和人类专家经验的智能化系统。
它能够模拟和实现人类专家在特定领域的问题解决能力，具有广泛的应用前景。
专家系统的名词解释
专家系统的名词解释
专家系统是一种人工智能系统,通过学习和分析大量专家知识和经验,为非专家用户提供智能化的建议和决策支持。
专家系统通常由以下几个部分组成:
1. 专家知识库:存储了专家的经验和知识,包括领域知识、规则、方法、技能等。
2. 模型:对专家知识库进行建模,建立一个可以识别和提取知识的方法,以便系统能够从数据中学习。
3. 推理引擎:根据用户提供的问题或输入,通过模型对专家知识库进行推理,并生成相应的建议或决策。
4. 用户界面:提供一个友好的用户界面,让用户可以方便地获取和使用系统提供的建议和决策。
专家系统的应用非常广泛,例如医疗诊断、金融风险评估、工业过程控制、项目管理等。
在医疗领域,专家系统可以帮助医生为患者提供个性化的治疗方案,在金融领域,专家系统可以帮助银行家评估投资风险并提供合适的投资建议,在工业领域,专家系统可以帮助工程师制定优化的工艺方案。
虽然专家系统已经取得了很大的进展,但仍然存在一些挑战和限制,例如知识库的更新和维护、模型的可解释性和安全性等。
因此,未来专家系统的发展将更加注重智能化、自动化和可解释性,以提高系统的实用性和可靠性。
第二章 专家系统概述
启发性 透明性 灵活性
第五节 专家系统分类
可按不同的标准进行分类.例如: 可按不同的标准进行分类.例如: 应用领域分类 可分为医疗,勘探,数学, 分类. 按应用领域分类.可分为医疗,勘探,数学,物 理,化学,气象,生物等; 化学,气象,生物等; 知识表示技术分类 基于规则的,逻辑的, 分类. 按知识表示技术分类.基于规则的,逻辑的,语 义网络,框架的专家系统等; 义网络,框架的专家系统等; 推理策略分 正向,反向,双向等; 按推理策略分.正向,反向,双向等; 采用不精确推理技术分 确定理论, 按采用不精确推理技术分.确定理论,主观 Bayes,模糊理论,D/S理论推理技术ES; 理论推理技术ES Bayes,模糊理论,D/S理论推理技术ES; 结构分 单和群ES ES; 按结构分.单和群ES;
第三节 专家系统的功能与结构
3.1: 3.1:功能
专家系统应当具备以下几个功能: 专家系统应当具备以下几个功能: 存储专业领域知识; 存储专业领域知识; 存储具体问题求解过程中的初始数据和推理过程中的各信息 与数据; 与数据; 利用已有知识解决专业问题; 利用已有知识解决专业问题; 对推理过程和结论作出必要的解释; 对推理过程和结论作出必要的解释; 提供用户接口; 提供用户接口; 提供知识获取,知识库修改完善等维护手段; 提供知识获取,知识库修改完善等维护手段;
事实:客观事物的状态,属性,特征及事物间关系. 事实:客观事物的状态,属性,特征及事物间关系. 信念:主要指事实的含义规则,语义说明. 信念:主要指事实的含义规则,语义说明. 启发式: 启发式:指能表达前提和结论间因果关系的一种形 式.
二:算法和启发式程序
算法是为求解一类问题而规定的一个可被机 械执行的确定步骤的有穷序列,具有如下性质: 械执行的确定步骤的有穷序列,具有如下性质: 通用性:能求解问题范围内的全部问题; 通用性:能求解问题范围内的全部问题; 确定性:算法中的问题求解状态, 确定性:算法中的问题求解状态,求解步骤应该 是精确唯一的. 是精确唯一的. 有效性:问题范围内的任何具体问题带入算法后, 有效性:问题范围内的任何具体问题带入算法后, 都可经有限步骤,达到期望结果. 都可经有限步骤,达到期望结果.
第8章 专家系统
2.专家系统的知识表示和推理
2.1 知识表示
知识表示是一种用来在专家系统的知识库中对知识编码的 方法。
2.1.1 知识的类型
◆过程性知识。描述如何解决问题，提供如何做事的建议。
◆陈述性知识。描述问题的相关已知信息，包括断定为真或 假的简单语句和一组更完整地描述一些对象或概念的语句。 ◆启发式 知识。描述引导推理过程的规则。它是经验性的， 并且表示专家通过求解过去问题的经验编译知识。专家将获 取有关问题的基本知识，如基本法则、函数关系等，并且把 它编译成简单的启发信息，以辅助问题求解。 ◆结构知识。描述知识的结构。这类知识描述专家对此问题 的整体智力模型。
(2)从处理问题的方法看，专家系统则是靠知识和 推理来解决问题（不像传统软件系统使用固定的算法 来解决问题），所以，专家系统是基于知识的智能问 题求解系统。
(3)从系统的结构来看，专家系统则强调知识与推 理的分离，因而系统具有很好的灵活性和可扩充性。
(4)专家系统一般还具有解释功能，即在运行过程 中一方面能回答用户提出的问题，另一方面还能对最后 的输出（结论）或处理问题的过程作出解释。
◆例子 ：VAX计算机结构设计专家系统、花布立体感图 案设计和花布印染专家系统、大规模集成电路设计专 家系统以及齿轮加工工艺设计专家系统等。
规划专家系统
◆任务 ：寻找出某个能够达到给定目标的动作序列或步 骤。
◆特点 ：所要规划的目标可能是动态的或静态的，需要 对未来动作做出预测，所涉及的问题可能很复杂，要 求系统能抓住重点，处理好各子目标间的关系和不确 定的数据信息，并通过实验性动作得出可行规划 。
站进行被修设备的调整、测量与试验。在这方面的实 例还比较少见。
教学专家系统
◆任务：根据学生的特点、弱点和基础知识，以最适当的 教案和教学方法对学生进行教学和辅导。
专家系统
从数据库中挖掘的规则可以有以下多种表达形式：关联 规则、特征规则、异常规则、转移规则、序列规则、分类和 聚类等。 数据挖掘的应用对象是大规模数据库，目标是发现数据 库中规律性的知识。数据挖掘提取的知识可以表示为概念、 规律、模式、约束和可视化。 在知识获取技术方面，基于数据挖掘的专家系统可以极 大缓解专家系统的知识瓶颈问题。它不再是知识工程师从领 域专家中提取规则，将其转换为知识，而是从领域专家提供 的大量数据中自动获取知识。数据挖掘中的数据预处理模块 可以在知识的获取中减小噪声数据的影响，提高知识获取的 正确性。 在推理技术方面，数据挖掘技术是以数据库系统、数据 仓库统计学等为基础的。而数据仓库主要特点就是：它是面 向主题的，库中的数据是多维的。数据挖掘器在推理时可以 根据不同需要将不同维度内的运行状态参数综合起来一起分 计算，即运用数据挖掘算法来进行全方位推理。这可以克服
你说: 苏格拉底 = TRUE 建议证实.
与家系统工作原理 ------正向推理(Forward Reasoning) (续) 总结：推理机的工作过程如下： （1）推理机将知识库中的规则前提与这些事实进行匹配；
一般是将每条规则的<前提>取出来，验证这些前提是否在
数据库中，若都在，则匹配成功；不然的话，则取下一条 规则进行匹配。 （2）把匹配成功的规则的<结论>作为新的事实添加到综合 数据库中。
在
此假设成立
结束
是
向用户提问
有此事实否？ 有 将事实记录数据库
无
找出规则之一的1个前提 作为新的假设 结束
或
反向推理原理图
与家系统工作原理 ------反向推理(Reverse Reasoning) （续）
该动物是金钱豹
专家系统
图2
专家系统的结构
接口是人与系统进行信息交流的媒介, 接口是人与系统进行信息交流的媒介,它为用户 提供了直观而方便的交互作用手段。 提供了直观而方便的交互作用手段。接口的功能是识 别与解释用户向系统提供的命令、问题和数据等信息, 别与解释用户向系统提供的命令、问题和数据等信息, 并把这些信息转化为系统的内部表示形式。另一方面, 并把这些信息转化为系统的内部表示形式。另一方面, 接口也将系统向用户提出的问题、 接口也将系统向用户提出的问题、得出的结果和作出 的解释以用户易于理解的形式提供给用户。 的解释以用户易于理解的形式提供给用户。
新型专家系统
1.分布式专家系统 分布式专家系统
这种专家系统具有分布处理的特征,其主要目的在于 这种专家系统具有分布处理的特征 其主要目的在于 把一个专家系统的功能经分解以后分布到多个处理器上 去并行地工作,从而在总体上提高系统的处理效率 从而在总体上提高系统的处理效率。 去并行地工作 从而在总体上提高系统的处理效率。它可 以工作在紧藕合的多处理器系统环境中,也可工作在松藕 以工作在紧藕合的多处理器系统环境中 也可工作在松藕 合的计算机网络环境里,所以其总体结构在很大程度上依 合的计算机网络环境里 所以其总体结构在很大程度上依 赖于其所在的硬件环境。 赖于其所在的硬件环境。
专家系统的特点
专家系统具有下列三个特点： 专家系统具有下列三个特点：
(3)灵活性 灵活性 专家系统能不断地增长知识，修改原有知识， 专家系统能不断地增长知识，修改原有知识， 不断更新。由于这一特点， 不断更新。由于这一特点，使得专家系统具有十 分广泛的应用领域。 分广泛的应用领域。
专家系统的结构
专家系统的特点
专家系统具有下列三个特点： 专家系统具有下列三个特点：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
专家系统发展概述院系：化工学院化工机械系班级：10自动化（1）姓名：李正智学号：1020301016日期：2013年10月1日专家系统发展概述摘要:回顾了专家系统发展的历史和现状。
对目前比较成熟的专家系统模型进行分析,指出各自的特点和局限性。
最后对专家系统的热点进行展望并介绍了新型专家系统。
关键词:专家系统;知识获取;数据挖掘;多代理系统;人工神经网络Abstract:The history and recent research ofexpertsystem was reviewed. Severalwell-researched expertsystemmodelswereintroduced respectively, and their featuresand limitationswere analyzed. Finally, the hotspotofexpertsystem wasoverlookedand future research direction ofexpertsystem wasdiscussed.Key words:expertsystem; knowledge acquisition; datamining; multi-agentsystem; artificialneuralnetwork近三十年来人工智能(Artificial Intelligence,AI)获得了迅速的发展,在很多学科领域都获得了广泛应用,并取得了丰硕成果。
作为人工智能一个重要分支的专家系统在20世纪60年代初期产生并发展起来的一门新兴的应用科学,而且正随着计算机技术的不断发展而日臻完善和成熟。
一般认为,专家系统就是应用于某一专门领域,由知识工程师通过知识获取手段,将领域专家解决特定领域的知识,采用某种知识表示方法编辑或自动生成某种特定表示形式存放在知识库中;然后用户通过人机接口输入信息、数据或命令,运用推理机构控制知识库及整个系统,能像专家一样解决困难的和复杂的实际问题的计算机(软件)统。
专家系统有三个特点:1.启发性,能运用专家的知识和经验进行推理和判断;2.透明性,能解决本身的推理过程,回答用户提出的问题;3.灵活性,能不断地增长知识,修改原有知识。
1 专家系统的产生与发展专家系统按其发展过程大致可分为三个阶段[1~3],即初创期(1971年前)、成熟期(1972)1977年)和发展期(1978年至今)。
1.1 初创期人工智能早期工作都是学术性的,其程序都是用来开发游戏的。
尽管这些努力产生了如国际象棋、跳棋等有趣的游戏[4],但其真实目的在于在计算机编码中加入人的推理能力,以达到更好的理解。
在此阶段的另一个重要领域是计算逻辑。
1957年诞生了第一个自动定理证明程序,称为逻辑理论家。
20世纪60年代初,人工智能研究者便集中精力开发通用的方法和技术,通过研究一般的方法来改变知识的表示和搜索,并且使用它们来建立专用程序。
到了20世纪60年代中期,知识在智能行为中的地位受到了研究者的重视,这就为以专门知识为核心求解具体问题的基于知识的专家系统的产生奠定了思想基础。
1965年在美国国家航空航天局要求下,斯坦福大学成功研制了DENRAL系统[6]。
DENRAL 的初创工作引导人工智能研究者意识到智能行为不仅依赖于推理方法,更依赖于其推理所用的知识。
该系统具有非常丰富的化学知识,可根据质谱数据帮助化学家推断分子结构,被广泛应用于世界各地的大学及工业界的化学实验室。
这个系统的完成标志着专家系统的诞生。
在此之后,麻省理工学院开始研制MACSYMA系统。
它作为数学家的助手使用启发式方法变换代数表达式,现经过不断扩充,能求解600多种数学问题。
其中包括微积分、矩阵运算、解方程和解方程组等。
同期,还有美国卡内基-梅隆大学开发的用于语音识别的专家系统HEARSAY。
该系统表明计算机在理论上可按编制的程序与用户进行交谈。
20世纪70年代初,匹兹堡大学的鲍波尔和内科医生合作研制了第一个用于医疗的内科病诊断咨询系统INTERNIST。
这些系统的研制成功使得专家系统受到学术界及工程领域的广泛关注。
1.2 成熟期到20世纪70年代中期,专家系统已逐步成熟起来,其观点逐渐被人们接受,并先后出现了一批卓有成效的专家系统。
其中,最具代表性的是肖特立夫等人的MYCIN系统。
该系统用于诊断和治疗血液感染及脑炎感染,可给出处方建议(提供抗菌剂治疗建议),不但具有很高的性能,而且具有解释功能和知识获取功能。
MYCIN系统是专家系统的经典之作,它的知识表示系统用带有置信度的IF-THEN规则来表示,并使用不确定性推理方法进行推理。
MYCIN由LISP 语言写成,所有的规则都写成LISP表达式。
它是一个面向目标求解的系统,使用反向推理方法,并利用了很多启发式信息。
1.3 发展期20世纪80年代初,医疗专家系统占了主流,主要原因是它属于诊断类型系统且开发比较容易。
但是到了20世纪80年代中期,专家系统发展在应用上最明显的特点是出现了大量的投入商业化运行的系统,并为各行业产生了显著的经济效益。
其中一个著名的例子是DEC公司与卡内基-梅隆大学合作开发的XCON-R1专家系统。
它用于辅助数据设备公司(DEC)计算机系统的配置设计,每年为DEC公司节省数百万美元。
专家系统的应用日益广泛,处理问题的难度和复杂度不断增大,导致了传统的专家系统无法满足较为复杂的情况,迫切需要新的方法和技术支持。
从20世纪80年代后期开始,一方面随着面向对象、神经网络和模糊技术等新技术的迅速崛起,为专家系统注入了新的活力;另一方面计算机的运用也越来越普及,而且对智能化的要求也越来越高。
由于这些技术发展的成熟,并成功运用到专家系统之中,使得专家系统得到更广泛的运用。
在这期间开发的专家系统按其处理问题的类型可以分为解释型、预测型、诊断型、设计型、规划型、监视型、调试型、修正型、教学型和控制型。
其应用领域也涉及到农业、商业、化学、通信、计算机系统、医学等多个方面,并已成为人们常用的解决问题的手段之一。
2 专家系统的研究现状目前已研究的专家系统模型有很多种。
其中较为流行的有基于规则的专家系统、基于案例的专家系统、基于框架的专家系统、基于模糊逻辑的专家系统、基于D-S证据理论的专家系统、基于人工神经网络的专家系统和基于遗传算法的专家系统等。
2.1 基于规则的专家系统基于规则推理(Rule Based Reasoning,RBR)的方法是根据以往专家诊断的经验,将其归纳成规则,通过启发式经验知识进行推理。
它具有明确的前提,得到确定的结果。
RBR是构建专家系统最常用的方法,这主要归功于大量的成功实例和工具的出现。
早期的专家系统大多数是用规则推理的方法,如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR专家系统等。
在转换为机器语言时,用产生式的IF,AND(OR),THEN,表示。
因此这种系统又称为产生式专家系统。
基于规则的专家系统的特点决定适合的领域为:1.系统结构简单,有明确的前提和结论,问题仅仅用有限的规则即可全部包含;2.问题领域不存在简洁统一的理论,知识是经验的;3.问题的求解可视为一系列相对独立的操作,或从一个状态向另一个状态的转换;一个操作或转换可以被有效地表示为一条或多条产生式语句。
2.2 基于案例的专家系统基于案例推理(Case Based Reasoning,CBR)的方法就是通过搜索曾经成功解决过的类似问题,比较新、旧问题之间的特征、发生背景等差异,重新使用或参考以前的知识和信息,达到最终解决新问题的方法。
它起源于1982年美国学者RogerSchank(关于人类学习和回忆的动态存储模型的研究工作)。
第一个真正意义上的基于案例的专家系统是1983年由耶鲁大学JanetKolodner教授领导开发的CYRUS系统。
它以Schank的动态存储模型和问题求解的MOP 理论为基础,做与旅行相关的咨询工作。
这种类比推理比较符合人类的认知心理。
基于案例的专家系统具有诸多优点:无须显示领域知识;无需规则提取,降低了知识获取难度;开放体系、增量式学习,案例库的覆盖度随系统的不断使用而组建增加[5]。
基于案例的推理方法适用于领域定理难以表示成规则形式,而容易表示成案例形式并且已积累丰富案例的领域(如医学诊断系统)[6]。
它的难点还在于案例特征的选择、权重分配以及处理实例修订时的一致性检验(特征变量间的约束关系)等问题。
传统的基于案例的方法难以表示案例间的联系,对于大型案例库案例检索十分费时,并且难以决定应选择哪些特征数据及它们的权重[7]。
2.3 基于框架的专家系统框架(Frame)是将某类对象的所有知识组织在一起的一种通用数据结构,而相互关联的框架连接组成框架系统。
1975年,美国麻省理工学院著名的人工智能学者明斯基提出了框架理论,并把它作为理解视觉、自然语言对话及其他复杂行为的基础。
在框架理论中,框架被视为表示知识的一个基本单位。
它把要描述的事务各方面的知识放在一起,通过槽值关联起来。
框架的顶层是代表某个对象的框架名,其下为代表该框架某一方面属性的若干个槽,槽由槽名和槽值组成。
槽下还可分为若干个侧面(由侧面名和侧面值组成)。
框架表示法最突出的特点是善于表达结构性的知识,且具有良好的继承性和自然性。
因此,基于框架的专家系统适合于具有固定格式的事物、动作或事件。
2.4 基于模糊逻辑的专家系统模糊理论的概念由美国加利福尼亚大学教授扎德在其5Fuzzy Sets6和5FuzzyAlgorithm6等论著中首先提出。
模糊性是指客观事物在状态及其属性方面的不分明性,其根源是在类似事物间存在一系列过渡状态,它们互相渗透、互相贯通,使得彼此之间没有明显的分界线。
模糊性是客观世界中某些事物本身所具有的一种不确定性,它与随机性有着本质的区别。
有明确定义但不一定出现的事件中包含的不确定性称为随机性,它不因人的主观意识变化,由事物本身的因果规律决定。
而已经出现但难以给出精确定义的事件中包含的不确定性称为模糊性,是由事物的概念界限模糊和人的主观推理与判断产生的。
模糊逻辑理论则是对模糊事物相互关系的研究。
基于模糊逻辑的专家系统的优点在于[10]:1,具有专家水平的专门知识,能表现专家技能和高度的技巧以及有足够的鲁棒性;2.能进行有效的推理,具有启发性,能够运用人类专家的经验和知识进行启发性的搜索、试探性的推理;3.具有灵活性和透明性。
但是,模糊推理知识获取困难,尤其是征兆的模糊关系较难确定,且系统的推理能力依赖模糊知识库,学习能力差,容易发生错误。
由于模糊语言变量是用隶属函数表示的,实现语言变量与隶属函数之间的转换是一个难点。