人工智能-基于规则的动物识别专家系统

合集下载

专家系统实例

专家系统实例

专家系统实例
专家系统是一种基于知识推理的智能信息系统,用于解决特定领域的问题。

它们利用专家知识和推理规则,通过询问用户的问题来识别问题的本质,然后提供相应的解决方案。

以下是一些专家系统实例: 1. 动物识别专家系统:该实例是一个基于人工智能技术的专家系统,用于识别动物物种。

它利用了计算机视觉和自然语言处理技术,通过询问用户有关动物的特征和属性来识别动物。

2. 医学诊断专家系统:该实例是一个用于医学诊断的专家系统,它利用医学知识和推理规则,通过对用户提供的症状和疾病特征进行分析,从而作出准确的医学诊断。

3. 工业控制专家系统:该实例是一个用于工业控制的专家系统,它利用控制理论和推理技术,通过对用户提供的控制命令进行分析和优化,以实现更高效、更安全的工业控制。

4. 农业施肥专家系统:该实例是一个用于农业施肥的专家系统,它利用植物营养知识和推理规则,通过对用户提供的肥料信息和植物需求进行分析,从而提供最佳的施肥方案。

这些专家系统实例展示了人工智能技术在各个领域的应用,可以帮助用户解决各种复杂问题。

产生式系统 识别动物 python 产生式系统的应用实例 转 -回复

产生式系统 识别动物 python 产生式系统的应用实例 转 -回复

产生式系统识别动物python 产生式系统的应用实例转-回复产生式系统(Production System)是人工智能领域中常用的一种知识表示和推理方式,也被广泛应用于自然语言处理、专家系统、智能搜索等领域。

产生式系统以if-then的规则形式表示知识,并通过模式匹配的方式进行推理和推断。

在本文中,我们将以"产生式系统识别动物python 产生式系统的应用实例转"为主题,逐步分析产生式系统的原理和应用,并介绍使用Python实现一个基础的动物识别系统的案例。

一、产生式系统原理及基本概念产生式系统是基于规则的知识表达和推理方式,它由条件部分和结论部分组成。

条件部分描述了一系列前提条件,结论部分则是满足条件部分的推论结果。

产生式系统通过匹配条件部分和已有的事实库进行推理,从而得到新的结论。

产生式系统的基本概念包括规则(rule)、事实(fact)、工作单元(working memory)和控制策略(control strategy)。

规则是产生式系统的基本单位,它包含了if-then的条件推理规则。

例如,一条规则可以是:“如果动物有毛发,并且有四条腿,那么它是哺乳动物”。

事实是产生式系统中的基本数据,它表示系统当前的知识状态。

例如,一条事实可以是:“这个动物有四条腿”。

工作单元是存储和管理事实的数据结构,它可以是一个列表或者一个数据库。

产生式系统通过与工作单元中的事实进行匹配来进行推理。

控制策略是产生式系统的推理策略,它决定了系统在工作单元中进行规则匹配和推理的顺序。

常见的控制策略包括深度优先、广度优先和最佳优先等。

二、动物识别的产生式系统实现在本节,我们将以一个简单的动物识别系统为例,介绍如何使用产生式系统来实现动物识别。

这个动物识别系统可以根据输入的动物特征判断其是什么类别的动物,比如哺乳动物、爬行动物等。

1. 确定知识库和规则库首先,我们需要确定动物特征的知识库和规则库。

知识库包括各种动物的特征信息,规则库则包含了各种动物的分类规则。

人工智能的专家系统与规则推理

人工智能的专家系统与规则推理

人工智能的专家系统与规则推理专家系统与规则推理是人工智能领域中的两个重要概念,它们在解决复杂问题、进行推理和决策过程中发挥着重要作用。

本文将深入探讨专家系统和规则推理的定义、原理、应用以及未来发展方向。

一、专家系统的概念和原理专家系统是通过模拟人类专家的知识和经验,以解决特定问题为目标的计算机程序。

它由知识库、推理机和用户界面三个主要组成部分构成。

知识库包含了专家知识的各种表达形式,这些知识可以是规则、事实、概念、关系等。

推理机是专家系统的核心,其作用在于根据知识库中的规则和事实,进行推理和判断,并提供解决问题的答案。

用户界面则是用户与专家系统进行交互的桥梁,使用户能够输入问题并接收系统的回答。

专家系统的原理基于规则推理,即依据一系列前提条件推导出结论的思维过程。

规则推理是基于规则库中的规则进行的,规则库是知识库的一个重要组成部分。

规则库中的规则通常采用条件-结论形式来表示,它由一个前提和一个结论组成。

前提是一个或多个条件,表示问题的特征或状态;结论是根据前提条件推导出来的结论或行动。

推理机会根据用户提供的前提条件,在规则库中寻找匹配的规则,并根据规则中的结论向用户提供答案或行动建议。

二、专家系统的应用领域专家系统的应用领域非常广泛,涵盖了医疗、金融、工业、农业等多个领域。

以下是几个典型的应用案例。

1. 医疗诊断:专家系统可以根据患者提供的症状和疾病数据库,通过规则推理的方式诊断患者疾病,给出相应的治疗建议。

2. 金融风险评估:专家系统可以根据海量的金融数据和分析模型,通过规则推理的方式评估客户的信用风险,为银行提供贷款决策的建议。

3. 工业故障诊断:专家系统可以根据设备传感器数据和故障数据库,通过规则推理的方式判断设备是否存在故障,并提供相应的维修建议。

4. 农业植物识别:专家系统可以根据植物图像和植物数据库,通过规则推理的方式识别出植物的种类以及相应的养护方法。

三、规则推理的概念和原理规则推理是基于规则库中的规则进行的推理过程,它是专家系统中的核心方法之一。

人工智能算法识别动物原理

人工智能算法识别动物原理

人工智能算法识别动物原理
人工智能算法识别动物的原理主要是通过计算机视觉和图像识别技术来实现。

下面是一般的人工智能算法识别动物的基本原理:
1. 数据收集:首先,需要收集一定数量和多样性的动物图像样本作为训练数据。

这些图像可以包含不同种类的动物、不同角度的拍摄和不同环境下的图像。

2. 数据预处理:对收集到的图像数据进行预处理,例如图像缩放、裁剪、去噪等。

这些预处理操作有助于提高后续算法的效果。

3. 特征提取:使用计算机视觉技术,从图像中抽取关键的特征。

常见的特征提取算法包括SIFT、HOG、SURF等。

这些特征
能够帮助算法识别出图像中的动物特征和形状。

4. 模型训练:使用机器学习算法,如支持向量机(SVM)、卷积
神经网络(CNN)等,对特征提取得到的数据进行训练。

在训练
过程中,算法会根据给定的标签,通过学习来建立一个模型,使得该模型能够准确地区分不同的动物类别。

5. 模型测试和验证:使用一部分未被训练过的图像数据,对训练好的模型进行测试和验证。

通过输入测试图像并运行训练好的模型,可以获得对图像中动物的分类结果。

与实际标签进行比较,以评估模型的性能和准确度。

6. 模型优化与迭代:根据测试结果,对模型进行优化和调整,以提高模型的准确率和鲁棒性。

调整可能包括改变特征提取算法、调整算法参数等。

通过以上步骤,人工智能算法可以学习并识别不同种类的动物。

随着更多的数据和更先进的算法的集成,人工智能算法的动物识别能力也将不断提高。

(毕业论文)动物识别专家系统

(毕业论文)动物识别专家系统

摘要专家系统是目前人工智能中最活跃,最有成效的一个研究领域,它是一种基于知识的系统,它从人类专家那里获得知识,并用来解决只有专家才能解决的困难问题。

该动物识别专家系统是在VC编程环境下编写的基于Windows操作平台上的图形用户界面程序,依据15条规则,构建知识库,能判别七种动物。

该系统具有较好的扩充性,可移植性、透明性,算法简单高效,使用方便,用户界面友好。

在层次树结构的数据结构基础上,采用正向推理的技术构建推理机,解释机构的实现采用了唱片技术和追踪技术。

构建该动物识别专家系统主要目的是为了提高人工智能的理论水平,更深入地了解专家系统的原理、历史、构成和各组成部件的基本原理,并提高VC的编程能力。

关键字:专家系统,知识库,规则,推理机,解释机AbstractExpert system is one of the most active and effective research realms. It can solve difficult problems, which can only be solved by experts. It is a system based on knowledge and can achieve knowledge from experts.This expert system is the visual interface program, which based on Windows operation system in the situation of Visual C++ programming. It can distinguish seven kinds of animals by constructing knowledge base, which is based on 15 rules. This system is moveable, transparent, and expansible. It can be easily used. Its mathematic is simple and efficient the user interface is friendly. The construction of reasoning machine adopts the positive reasoning technology and the realization of explanation adopts the record and pursuit technologyThis animal distinguish expert system aims to raise the theory standard of artificial intelligence. The writer intended to know about the principle, the history and the composition theory of expert system, and upgrade the programming ability.Key W ords: expert system, repository, rule, reasoning machine, explanative machine目录摘要 (1)Abstract (2)目录 (3)前言 (4)第一章需求分析 (6)1.1 需求状况 (6)1.2专家系统的设计要求 (6)1.3组成部分 (10)1.4推理机 (12)第2章概要设计 (14)2.1总体流程的设计 (14)2.1.1创建知识库 (14)2.1.2 设计推理机的工作流程 (17)2.2用户界面设计 (19)2.2.1 用户界面设计的原则 (19)2.2.2设计的用户界面 (20)第3章详细设计 (22)3.1学习VC有感 (22)3.1.1认识VC (22)3.1.2使用MSDN (23)3.2 详细编码 (24)第4章测试与完善 (37)4.1 测试系统 (37)4.2 完善功能 (38)4.2.1改善explain功能 (38)4.2.2 添加backspace功能........................... 错误!未定义书签。

动物识别系统实验报告

动物识别系统实验报告
{
stringFindMaxNumber ="select max(动物序号) from动物库";
SqlCommandcmd2 =newSqlCommand( FindMaxNumber ,con);
1.1功能需求
1.1.1动物识别正向推理
正向推理是从已知事实出发,通过规则库求的结论,也称为自底向上,或称为数据驱动方式。
正向推理过程的具体步骤是:
(1)读入事实集到工作存储器。
(2)取出某条规则,将规则的全部前件与工作存储器中的所有事实进行比较。如果匹配成功,则所得结果显示到屏幕上,转向(3);否则,直接转向(3)。
动物识别系统设计主体框架:本系统只用了一个页面实现,界面使用上下结构的框架设计,当用户进入系统的时候,打开Default.aspx,该页面分为上下两个部分,上面的部分是用于根据问题输入动物特征,下面的部分是新规则的加入功能部分,也是用户进行添加新规则的页面,这好似一个导航页面,用户可以更具自己的选择进行的操作,由上至下进入不同的功能部分。各个功能模块的设计:
staticint[] a =newint[7];
SqlConnectioncon =newSqlConnection("Server = PC-11; user id = sa;password = ;Database = animal;");
protectedvoidPage_Load(objectsender,EventArgse)
YesOption.Checked =false;
}
protectedvoidNoOption_CheckedChanged(objectsender,EventArgse)
{
a[Convert.ToInt32(Questionselected.SelectedValue)] = 0;

动物识别专家系统有MFC

动物识别专家系统有MFC

动物识别专家系统摘要专家系统的出现是人工智能在实际应用中最引人注目的成果,也是人工智能最活跃或最富有成效的研究领域。

本文介绍了专家系统的原理、结构和发展方向,在此我们实现了一种动物识别的专家系统,它用产生式规则来表示知识,共15条规则、可以识别七种动物。

关键词:专家系统;人工智能;先进技术;应用领域1专家系统介绍当人类迈步跨进21世纪的时候,信息技术的发展也迎来了新的机遇和挑战。

在最近的几十年中,人工智能技术逐渐得到了广泛地应用,其中专家系统更是获得了很大程度的普及。

专家系统系由知识库、推论引擎及接口为基础而组成的计算机化系统,其目的在于对某一特定领域的问题作判断、解释及认知。

但由于此特定领域可大可小,且对认知的定义亦有不同的解释,故可有小如某些汽车专家系统只能依照外型等特征辨认十余种车,亦有大如某些医学专家系统可依据十二万个不同的医学表征分辨八千余种疾病。

尽管专家系统的定义未尽明确,但基本上当此系统所能处理的问题,其复杂性、对专业知识的需求、以及其执行的信度及效度足可与专家相匹敌时,我们便可称之为专家系统。

而由于专家系统能够提供智能型的决策与辅助解决问题、并对求解的过程做某种程度的解释,因而也可以称为“智能型知识库系统”(Intelligent Knowledge-Based System,IKBS)。

专家系统简化结构如图1所示。

图1 专家系统简化结构我国专家系统的研究起步较晚,大约在80年代初期。

最初开发出来的大都是演示系统,达不到实际应用水平。

到目前为止,在理论研究和实际应用开发上都已有了丰硕的成果,并己应用到工业、农业、军事以及国民经济的各个部门乃至社会生活的许多方面。

1.1 知识库知识库系统的主要工作是搜集人类的知识,将之有系统地表达或模块化,使计算机可以进行推论、解决问题。

知识库中包含两种型态:一是知识本身,即对物质及概念作实体的分析,并确认彼此之间的关系;二是人类专家所特有的经验法则、判断力与直觉。

人工智能-动物识别专家系统算法Python+Pyqt实现

人工智能-动物识别专家系统算法Python+Pyqt实现

⼈⼯智能-动物识别专家系统算法Python+Pyqt实现⼀、基础知识库有⽑发哺乳动物 -有奶哺乳动物 -有⽻⽑鸟 -会飞会下蛋鸟 -吃⾁⾷⾁动物 -有⽝齿有⽖眼盯前⽅⾷⾁动物 -哺乳动物有蹄有蹄类动物 -哺乳动物反刍动物有蹄类动物 -哺乳动物⾷⾁动物黄褐⾊⾝上有暗斑点⾦钱豹 *哺乳动物⾷⾁动物黄褐⾊⾝上有⿊⾊条纹虎 *有蹄类动物长脖⼦有长腿⾝上有暗斑点长颈⿅ *有蹄类动物⾝上有⿊⾊条纹斑马 *鸟长脖⼦有长腿不会飞有⿊⽩⼆⾊鸵鸟 *鸟会游泳不会飞有⿊⽩⼆⾊企鹅 *鸟善飞信天翁 *最后⼀个字符为 - 表⽰结论为中间结果为 * 表⽰为⼀种动物⼆、QT界⾯源码# -*- coding: utf-8 -*-# Form implementation generated from reading ui file '动物识别专家系统.ui'## Created by: PyQt5 UI code generator 5.9.2## WARNING! All changes made in this file will be lost!from PyQt5 import QtCore, QtGui, QtWidgetsfrom PyQt5.QtGui import QFontclass Ui_Animals(object):def setupUi(self, Animals):Animals.setObjectName("Animals")Animals.resize(1127, 710)Animals.setAutoFillBackground(True)self.TL = QtWidgets.QTextEdit(Animals)self.TL.setGeometry(QtCore.QRect(670, 200, 251, 211))self.TL.setObjectName("TL")self.input = QtWidgets.QTextEdit(Animals)self.input.setGeometry(QtCore.QRect(240, 100, 151, 321))self.input.setAutoFillBackground(False)self.input.setObjectName("input")self.result = QtWidgets.QTextEdit(Animals)self.result.setGeometry(QtCore.QRect(670, 100, 251, 51))self.result.setObjectName("result")self.result.setReadOnly(True)self.input_lable = QtWidgets.QLabel(Animals)self.input_lable.setGeometry(QtCore.QRect(100, 80, 141, 41))self.input_lable.setObjectName("input_lable")self.input_lable.setFont(QFont("Roman times", 10, QFont.Bold))self.TL_label = QtWidgets.QLabel(Animals)self.TL_label.setGeometry(QtCore.QRect(750, 150, 101, 61))self.TL_label.setObjectName("TL_label")self.TL_label.setFont(QFont("Roman times", 10, QFont.Bold))self.result_label = QtWidgets.QLabel(Animals)self.result_label.setGeometry(QtCore.QRect(750, 70, 111, 31))self.result_label.setObjectName("result_label")self.result_label.setFont(QFont("Roman times", 10, QFont.Bold))self.scrollArea = QtWidgets.QScrollArea(Animals)self.scrollArea.setGeometry(QtCore.QRect(90, 120, 141, 20))self.scrollArea.setWidgetResizable(True)self.scrollArea.setObjectName("scrollArea")self.scrollAreaWidgetContents = QtWidgets.QWidget()self.scrollAreaWidgetContents.setGeometry(QtCore.QRect(0, 0, 139, 18))self.scrollAreaWidgetContents.setObjectName("scrollAreaWidgetContents")boBox = QtWidgets.QComboBox(self.scrollAreaWidgetContents)boBox.setGeometry(QtCore.QRect(0, 0, 141, 21))boBox.setObjectName("comboBox")self.scrollArea.setWidget(self.scrollAreaWidgetContents)self.pushButton = QtWidgets.QPushButton(Animals)self.pushButton.setGeometry(QtCore.QRect(500, 240, 93, 28))self.pushButton.setObjectName("pushButton")self.pushButton.setFont(QFont("Roman times", 10, QFont.Bold))self.checkBox = QtWidgets.QCheckBox(Animals)self.checkBox.setGeometry(QtCore.QRect(500, 190, 91, 19))self.checkBox.setObjectName("checkBox")self.checkBox.setFont(QFont("Roman times", 10, QFont.Bold))self.pushButton_2 = QtWidgets.QPushButton(Animals)self.pushButton_2.setGeometry(QtCore.QRect(10, 120, 61, 21))self.pushButton_2.setObjectName("pushButton_2")self.pushButton_2.setFont(QFont("Roman times", 10, QFont.Bold)) self.pushButton_3 = QtWidgets.QPushButton(Animals)self.pushButton_3.setGeometry(QtCore.QRect(500, 300, 91, 31)) self.pushButton_3.setObjectName("pushButton_3")self.pushButton_3.setFont(QFont("Roman times", 10, QFont.Bold)) self.retranslateUi(Animals)self.pushButton.clicked.connect(Animals.test)boBox.activated['int'].connect(Animals.selectChange)self.checkBox.stateChanged['int'].connect(Animals.checkChange) self.pushButton_2.clicked.connect(Animals.selectInit)self.pushButton_3.clicked.connect(Animals.rules)QtCore.QMetaObject.connectSlotsByName(Animals)def retranslateUi(self, Animals):_translate = QtCore.QCoreApplication.translateAnimals.setWindowTitle(_translate("Animals", "Form"))self.input_lable.setText(_translate("Animals", "请输⼊已知事实")) self.TL_label.setText(_translate("Animals", "推理过程"))self.result_label.setText(_translate("Animals", "专家分析结果"))self.pushButton.setText(_translate("Animals", "推理"))self.checkBox.setText(_translate("Animals", "反向推理"))self.pushButton_2.setText(_translate("Animals", "初始化"))self.pushButton_3.setText(_translate("Animals", "修改规则库")) View Code三、后端处理 Python源码# -*- coding: utf-8 -*-# Form implementation generated from reading ui file 'animal.py'## Created by: PyQt5 UI code generator 5.9.2## WARNING! All changes made in this file will be lost!from动物识别专家系统import Ui_Animalsfrom PyQt5 import QtWidgetsfrom PyQt5 import QtGuiimport sysimport osimport tkinterfrom tkinter import messageboxdef IsEvidence(x):for i in mywindow.fact:if x == i[-2]:return Falsereturn Truedef getData(x):data = []for i in mywindow.fact:tr = []if x == i[-2]:for j in range(0, len(i) - 1):tr.append(i[j])data.append(tr)return datadef backs(data):c = 0flag = Falsefor i in data:d = "if "for s in range(0, len(i)):if s == len(i)-2:d = d + str(i[s]) + " then "else:d = d + str(i[s]) + ""window.TL.append(d)for j in range(0, len(i) - 1):if (IsEvidence(i[j])):root = ()root.withdraw()a= messagebox.askquestion("提⽰", i[j]+"吗")#print(i[j] + "吗?")#r = input()print(a)if a == "yes":c = c + 1else:temp = getData(i[j])if (backs(temp)):c = c + 1if c >= i.__len__() - 1:flag = Trueprint(i[-1])print("验证成功")breakelse:flag = Falseprint(i[-1])print("验证失败")if (flag):return Trueelse:return Falseclass mywindow(QtWidgets.QWidget,Ui_Animals):fact = []conditions = set("")res = set("")def__init__(self):super(mywindow, self).__init__()f = open("rules.txt", "r")for line in f:ls = line.strip('\n').split("")mywindow.fact.append(ls)f.close()for i in mywindow.fact:for j in range(0,len(i)-2):mywindow.conditions.add(i[j])mywindow.res.add(i[-2])self.setupUi(self)def resizeEvent(self, event):palette = QtGui.QPalette()pix = QtGui.QPixmap('images/3.jpg')pix = pix.scaled(self.width(), self.height())palette.setBrush(QtGui.QPalette.Background, QtGui.QBrush(pix)) self.setPalette(palette)def test(self):if self.checkBox.isChecked():#逆向推理i = boBox.currentIndex()s = boBox.itemText(i)print(s)data=getData(s)print(data)if (backs(data)):root = ()root.withdraw()a = messagebox.showinfo("提⽰", "该动物是" + data[0][-1]) self.result.setText("专家分析该动物是"+data[0][-1])else:root = ()root.withdraw()self.result.setText("专家分析该动物不是" + data[0][-1])a = messagebox.showinfo("提⽰", "该动物不是" + data[0][-1])else: #正向推理s= self.input.toPlainText()tl =""description = s.split("\n")print("des")print(description)line = 0for i in mywindow.fact:same = 0for j in range(0, len(i)):if j >= len(i) - 2:breakfor k in range(0, len(description)):if i[j] == description[k]:same = same + 1breakif k == len(description):breakif same == i.__len__() - 2:print("same=i")line = 1if i[-1] == "*": # 是结论d = "if "for s in range(0,len(i)-1) :if s == len(i)-3:d=d+str(i[s])+" then "else:d=d+str(i[s])+""tl = tl + d + "\n"self.TL.setText(tl)self.result.setText("专家分析该动物是"+i[-2])print(i[-2])else:line = 1d = "if "for s in range(0, len(i) - 1):if s == len(i) - 3:d = d + str(i[s]) + " then "else:d = d + str(i[s]) + ""tl = tl + d +"\n"self.TL.setText(tl)self.result.setText("专家也不知道具体是什么动物,⼤概率推测是"+i[-2]) # print(i[-1])description.append(i[-2])if line ==0:self.result.setText("专家也不知道具体是什么动物")def selectInit(self):mywindow.fact.clear()mywindow.conditions.clear()mywindow.res.clear()f = open("rules.txt", "r")for line in f:ls = line.strip('\n').split("")mywindow.fact.append(ls)f.close()for i in mywindow.fact:for j in range(0, len(i) - 2):mywindow.conditions.add(i[j])mywindow.res.add(i[-2])boBox.clear()self.input.clear()self.result.clear()self.TL.clear()if(self.checkBox.isChecked()):for x in mywindow.res:boBox.addItem(str(x))else:for x in mywindow.conditions:boBox.addItem(str(x))def selectChange(self):if self.checkBox.isChecked():self.input.clear()i = boBox.currentIndex()s = boBox.itemText(i)self.input.append(s)else:i = boBox.currentIndex()s = boBox.itemText(i)self.input.append(s)def checkChange(self):boBox.clear()if self.checkBox.isChecked():for x in mywindow.res:boBox.addItem(str(x))else:for x in mywindow.conditions:boBox.addItem(str(x))def rules(self):os.startfile('rules.txt')app = QtWidgets.QApplication(sys.argv)window = mywindow()window.show()sys.exit(app.exec_())View Code。

  1. 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. 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. 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)。

人工智能实验二一.题目:基于规则的动物识别专家系统二.实验目的1.熟悉产生式的特点,基本结构和设计思想;2.掌握基于规则推理的基本过程和方法;3.学会用高级程序设计语言开发基于规则的动物识别系统。

三.实验内容动物识别专家系统是流行的专家系统实验模型,它用产生式规则来表示知识,共15条规则、可以识别七种动物,这些规则既少又简单,可以改造他们,也可以加进新的规则,还可以用来识别其他东西的新规则来取代这些规则。

动物识别15条规则:r1 毛发哺乳动物r2 奶哺乳动物r3 羽毛鸟r4 会飞|下蛋鸟r5 吃肉食肉动物r6 犬齿|爪|眼睛盯着前方食肉动物r7 哺乳动物|蹄有蹄类动物r8 哺乳动物|反刍有蹄类动物r9 哺乳动物|食肉动物|黄褐色|暗斑点金钱豹r10 哺乳动物|食肉动物|黄褐色|黑色条纹虎r11 有蹄类动物|长脖子|长腿|暗斑点长颈鹿r12 有蹄类动物|黑条纹斑马r13 鸟|不会飞|长脖子|长腿|黑白色鸵鸟r14 鸟|不会飞|游泳|黑白色企鹅r15 鸟|善飞信天翁四.实验要求1、确定推理方法(正向还是反向),并根据问题设计实现一个简单的不通用推理机(匹配、冲突消解);2、规则库要求至少包含15条规则;3、初始事实可以任意给定,输入初始事实后能够得到推理结果;4、设计人机界面,解释模块提供查询规则的功能;5、可以不考虑知识库管理模块;6、提交实验报告,以word文档形式“学号+姓名”命名;①报告中要有程序源代码;②有程序运行结果截图;③要有推理树;④报告提交到:ftp://192.168.129.253/xstjzy/任建平/人工智能五.实验原理1.基于规则产生式系统结构基于规则的产生式系统一般由规则库(知识库)、综合数据库和推理引擎(推理机)三部分组成,规则库中它的基本组成框架如下图1所示。

知识库由谓词演算事实和有关讨论主题的规则构成,综合库又称为上下文,用来暂时存储推理过程中的结论和数据。

推理机是用规则进行推理的过程和行为。

知识采集系统是领域专家把相关领域的知识表示成一定的形式,并输入到知识库中。

解释系统通过用户输入的条件来分析被系统执行的推理结构,并将专家知识以易理解的方式并把知识解释给用户。

图1 规则产生式系统的基本结构2. 简单动物识别产生式系统结构:⑴知识库ANIMAL的知识库非常小,仅仅包含15条规则(一般说来,一个产生式系统的知识库应包含≥几百条规则);⑵解空间很小,在一个特定的动物园里,共有虎、金钱豹、长颈鹿、斑马、鸵鸟、企鹅和信天翁等7种动物;⑶初始事实集合很小,仅仅包含30个事实,cha⑷数据(即事实、证据、断言),知识(即浅层知识,规则)和推理都是精确的,即确定性的;⑸知识库。

3.正向推理过程分析:下面以一个具体的动物识别产生式系统模型来说明其原理。

初始事实集:动物身上有暗斑点、有长脖子、有长腿、有奶、有蹄要求解的问题是判断满足该事实集的是何种动物?推理过程:①首先从规则库取出第一条规则r1,将r1中的前提部分与初始事实集中的事实相比较,匹配失败;于是继续取第二条规则再试,匹配成功!将此规则的结论部分作为新事实加入到综合数据库的初始事实集中。

于是初始事实集变为:该动物身上有暗斑点、有长脖子、有长腿、有奶、有蹄、是哺乳动物。

②接着依次取r3、r4、r5、r6 与初始事实集匹配、均不成功,当执行到r7 时再次获得匹配,于是事实集中以增加一条事实:该动物身上有暗斑点、有长脖子、有长腿、有奶、有蹄、是哺乳动物、是有蹄类动物。

③此后,当搜索到r11 时又一次匹配成功,事实集变为:该动物身上有暗斑点、有长脖子、有长腿、有奶、有蹄、是哺乳动物、是有蹄类动物、该动物是长颈鹿。

于是得到最终结论---该动物是长颈鹿。

上述问题的求解过程是一个不断地从规则库中选取可用规则与综合数据库中的已知事实进行匹配的过程,规则的每一次匹配都会使综合数据库增加新的内容,并朝着问题的解决前进了一步。

这就是一个推理过程。

4.逆向推理过程分析:初始事实集:动物身上有暗斑点、有长脖子、有长腿、有奶、有蹄要求解的问题是判断满足该事实集的是何种动物?推理过程:①我们假设这个动物是长颈鹿的话,为了检验这个假设,根据规则r11,要求这个动物是长脖子,长腿,暗斑点且是有蹄类动物。

②这时数据库中已经有了长脖子,长腿,暗斑点事实,为此我们还要验证“动物是有蹄类动物”,根据规则r8要求动物反刍,且是哺乳动物,而事实库中没有反刍,根据规则r7要求动物有蹄,且是哺乳动物,事实中动物有蹄。

为此我们要验证动物是哺乳动物③我们要验证动物是哺乳动物,根据规则r2知道,要求动物有奶,事实中动物有奶,此时各个子目标都是已知事实,所以逆向推理成功。

上述问题的求解过程是从目标的(作为假设)状态出发,朝着出事状态前进,逆向适用规则的一种方法。

六.推理树七.具体代码如下#include <string.h>#include <math.h>#include <stdio.h>#include <iostream.h>#define True 1#define False 0#define DontKnow -1char *str[]={"chew_cud反刍动物","hooves蹄类动物","mammal哺乳动物","forward_eyes眼盯前方","claws有爪","pointed_teeth有犬齿","eat_meat吃肉","lay_eggs会下蛋","fly会飞", "feathers有羽毛","ungulate有蹄","carnivore食肉动物","bird鸟","give_milk能产奶","has_hair有毛发","fly_well善飞","black&white_color黑白色","can_swim会游泳","long_legs长腿","long_neck长脖子","black_stripes黑条纹","dark_spots黑斑点","tawny_color黄褐色","albatross信天翁","penguin企鹅","ostrich驼鸟","zebra斑马","giraffe长颈鹿","tiger老虎","cheetah猎豹",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[]={30,29,28,27,26,25,24,3,3,13,13,12,12,11,11,0};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;}};fact *Fact;class list{private:int Number;public:list *Next;list(int Num){Number=Num;Next=NULL;}int GetNumber(){return Number;}};class rule{char *Name;list *Pre;int Conc;public:rule *Next;rule(char *N,int P[],int C);~rule();int Query();void GetName(){cout<<Name;}};rule::~rule(){while(Pre){L=Pre->Next;delete Pre;Pre=L;}delete Name;}rule::rule(char *N,int P[],int C){int i;list *L;Pre=NULL;Next=NULL;Name=new char[strlen(N)+1];strcpy(Name,N);i=0;while(P[i]!=0){L=new list(P[i++]);L->Next=Pre;Pre=L;}Conc=C;}int rule::Query(){char c;int Tag=0;list *L;fact *F;F=Fact;L=Pre;if(L==NULL)cout<<"\nError";while(L!=NULL){F=Fact;for(;;){if(abs(L->GetNumber())==F->GetNumber())break;F=F->Next;//查找与规则前提链中前提号相同的事实if(L->GetNumber()>0){if((F->GetSucc())==true) {L=L->Next;continue;}if((F->GetSucc())==false) return false;}//如果事实的断言为真则判断下一个前提,为假,则表示该规则不适合else{if((F->GetSucc())==True)return False;if((F->GetSucc())==False){L=L->Next;continue;}}cout<<F->GetName()<<"(Y/N)"<<endl;c=getchar();//事实断言为不知道的时候,向用户询问flushall();if((c=='Y')||(c=='y')){if(L->GetNumber()>0)F->PutAct(1,True);//设置事实的断言和激活标志if(L->GetNumber()<0){F->PutAct(1,True);Tag=-1;return False;}}else{if(L->GetNumber()<0)F->PutAct(-1,False);else{F->PutAct(-1,False);Tag=-1; //已经推理,不符合。

相关文档
最新文档