专利汇可以提供一种基于知识发现的专家系统构造方法专利检索,专利查询,专利分析的服务。并且一种基于知识发现的 专家系统 构造方法,属于 人工智能 技术领域。其核心思想是把知识发现系统视为认知系统,研究其自身的潜在规律,改变知识发现的固有流程,形成新的知识发现过程模型;然后再用创新的知识发现机理以及模型作为专家系统新的知识获取构件,从而丰富和提升了专家系统的 知识库 。新的知识库系统补充了如下知识:通过推理机制得到的知识;通过不断地从错误和失败中进行学习获取的知识。更为重要的是为专家系统增加了新的知识获取渠道:同时包含 数据库 中的知识发现和知识库中的知识发现创新机理和模型的过程模型。它对于专家系统的理论研究与实际应用具有重要意义,将有可能成为新一代专家系统发展的重要标志。,下面是一种基于知识发现的专家系统构造方法专利的具体信息内容。
1.一种基于知识发现的专家系统构造方法,包括:基于知识发现的动态知识库子系统;分级诊断、决策子系统;推理机子系统;库管理子系统;知识训练子系统;自检子系统;在线帮助子系统;其特征在于:
基于知识发现的动态知识库子系统:是一个基于数据库和知识库协同机制的知识发现系统,作为不同知识层面上知识发现的结果,使得知识库从原有的由专家经验与书本知识为直接源泉的基础知识库不断产生扩充,利用基于双库协同机制的知识发现系统KDD*、合成推理、三I算法、基于相似度量的模糊推理、合情推理的推理机制以及基于双基融合机制的知识发现系统KDK*,形成了能处理Fuzzy不确定性、随机不确定性及定性信息的具有动态扩展特征的知识库子系统;基于知识发现的动态知识库子系统模块的功能是发现因果关联规则,并用之去修正知识库中原有的故障树、决策树与案例,以适应复杂的广义诊断问题的求解;
分级诊断、决策子系统:先用故障树方法对硬件整体进行指标测试,以判断其是否有故障;若有,则对这些模块逐级进行测试,找到出现故障的模块后,利用规则库中的规则对故障的模块内部进行测试诊断,直到找出故障点;分级诊断、决策子系统通过对硬件进行指标测试,利用正确的相似机制,依据知识库中的知识,诊断出硬件当前是否正常、故障原因并根据决策树提供解决方案;
推理机子系统:包括推理方法库,其中有合成推理;三I算法;基于相似度量的模糊推理方法;合情推理方法;演绎推理方法;广义综合推理方法;基于案例的推理方法;因果定性推理方法;统计推断方法;对于由基于知识发现的动态知识库子系统得到的规则库,根据实际问题,由机器选择推理方法,进行推理;或者选择几种方法进行了推理,然后将结果进行比较,若没有矛盾,则推理的结果较符合实际;再用适合于用户的方式呈现给用户,同时还将获得的知识送往真实数据库,进行验收;
库管理子系统:是对真实数据库、基础知识库、由KDD*发现的规则构成的衍生知识库进行管理,进行编辑、删除、检索、查询、添加、备份管理;本系统建立良好的Windows风格界面,方便用户实现对各种知识库、数据库的操作管理;
知识训练子系统:由专业人员进行经验训练,通过实例直接得到数据;从中发现知识,完成专业领域知识的学习功能,以适应不同用户的需求;
自检子系统:为避免因测试硬件本身的故障引起错误诊断,在进行故障诊断之前,基于知识发现的专家系统将对测试硬件进行一次闭环的自我检测;
在线帮助子系统:为使用户有效地使用基于知识发现的专家系统,随时能够得到相关信息的帮助;
基于知识发现的动态知识库子系统包括:基础知识库;衍生知识库;合成知识库;综合知识库;扩展知识库;基于双库协同机制的KDD*;维护型协调器;启发型协调器;基于双基融合机制的KDK*;其中:
基础知识库中存放了专家经验与书本知识,基础知识库由第一类规则库、第一类故障树、第一类决策树与第一类案例库共四个子库构成;第一类故障树的目的是判明基本故障,确定故障的原因、影响和发生概率,第一类故障树是用最小割集方法来构建,能大量减少搜索空间;第一类决策树用SLIQ算法来实现从数据库中发掘分类规则,在选择树的分叉时,同时考虑相关的多个属性,从而提高产生分类规则的效率;第一类案例库中存放了以往的典型案例,以利于分级诊断、决策子系统诊断时直接利用该案例库进行部分诊断;
衍生知识库中存放的是由KDD*发现的规则,在KDD*中,数据库与知识库的数学结构本质上都归结为范畴,数据库是数据子类集合连同“发掘线路”构成的范畴,称为数据发掘范畴;知识库是知识节点集合与“推理弧线”构成的范畴,称为知识推理范畴;并进一步得到:在拓扑空间
合成知识库中存放的是由基础知识库和衍生知识库合成后的知识,合成知识库的具体方法是:首先利用衍生知识库中的规则与基础知识库中的第一类规则库进行合成,形成第二类规则库;然后,利用第二类规则库去修正基础知识库中的第一类故障树、第一类决策树和第一类案例库,形成第二类故障树、第二类决策树和第二类案例库;
综合知识库中存放的是利用模糊推理和演绎推理在合成知识库基础上发现的知识,同时需对第二类故障树、第二类决策树和第二类案例库进行修正;
扩展知识库中存放的是通过广义综合归纳推理机制和基于案例的推理,在综合知识库的基础上发现的知识与基于知识库的知识发现KDK有所不同,它增加了三个协调器,扩展了原有的功能,称之为KDK*;
知识库由基础知识库到衍生知识库到合成知识库到综合知识库最后到扩展知识库这一顺序的提升过程,只是完成了第一个发现阶段;如此往复,在认识发展与时空环境变迁的不同阶段,丰富和深化了知识,解决了传统专家系统知识获取这一瓶颈问题;
基于双库协同机制的KDD*为:
在真实数据库中,按数据子类结构形式所构成的挖掘数据库的可达范畴与基于属性间关系的挖掘知识库的推理范畴两者间建立等价关系;两个范畴的等价关系为定向挖掘和定向搜索奠定了基础;
基于数据库知识发现的KDD聚焦过程,除依据用户需求确定聚焦外,通过启发协调算法形成依挖掘知识库中知识短缺而生成的机器自身提供的聚焦方向,进而形成在数据库中的定向挖掘;
在获得假设规则到知识评价的过程中产生维护进程,先不对假设规则进行评价,而是通过维护协调算法到挖掘知识库中进行定向搜索,以期发现产生的假设规则与知识库中原有的知识是否重复、冗余和矛盾,并作相应处理,对挖掘知识库进行实时维护;
挖掘知识库的结构是参照数据库中的数据客观地、量化地决定;并且,随着挖掘数据库中数据的积累,挖掘知识库的结构也随之动态变化,从而,挖掘知识库具有了在内容和结构上自我进化的能力;
维护型协调器的主要功能是当从真实数据库的大量数据中经聚焦而生成感兴趣的与具有给定可信度的规则后,使KDD进程产生中断,而去定向搜索知识库中对应位置检查有无此生成规则的重复、冗余与矛盾;若有重复与冗余,则取消该生成规则或冗余规则而返回KDD的始端;若无,则继续KDD进程;对于矛盾的处理,采用约束规则的条件与根据其可信度或关联强度来裁决;维护型协调器功能有:
a、重复的处理:重复是指两条知识表达方式、内容完全一致,若将重复的知识存入知识库中,必然导致知识库的庞大,从而使得对知识库的操作浪费大量的时间,这是不合理的;为此对重复的知识进行处理,当新知识的可信度大于旧知识的可信度时,则以新知识的可信度代替旧知识的可信度,其它的不变;否则扔掉新知识;
b、矛盾的处理:矛盾是指由相同的前提推出相反的结论,或由相反的前提推出相同的结论;
c、冗余的处理:冗余是指有些新产生的知识可以由知识库中固有的知识表达出来,像这样的知识都会造成知识库不必要的冗余,因而也必须加以解决;
启发型协调器的功能是在以属性为基础的知识库建库原则下,通过搜索知识库中知识结点的不关联态,以发现知识短缺,产生创见意象,从而启发与激活真实数据库中相应的数据子类,以产生定向挖掘进程;为了防止海量定向挖掘现象的产生,必须规定优先级,以定向挖掘较可信与关联性强的待定规则;
基于双基融合机制的KDK*为:
揭示基于知识库的知识发现系统KDK中知识信息的传输、存储、转换、再生的潜在规律,各子系统间的内在联系以及知识发现过程中各参与要素间的相互关系;其核心是基于知识库的知识发现KDK与基于数据库的知识发现KDD的有机结合;这一结合是要寻找知识库与数据库的相互对应关系,而其技术实现是通过三个协调器来具体完成;
R型协调器:KDK过程是通过综合归纳来发现新知识;知识库的组成包括两部分:事实和规则;KDK从现有的这些知识中推理出能被人理解的,具有给定可信程度的知识,这种知识的发现过程能产生归纳知识;假设目标规则的形式如下:P(x,y)^R(y,z)→Q(x,z),已知p,q,求r;通过KDK的归纳,寻找出了所有有可能的R值,本协调器所做的工作是检验假设规则中所有谓词变量的定义域的相符情况,由归纳得出的R中的y是否与已有的P中的y定义相符,而R中的z是否与Q中的z定义相符;在数据库中定义了所有字段的域范围,将P、Q、R的自变量和因变量值分别带入检验,只有相符的才形成假设规则;
S型协调器:KDK发现的规则在进行评价前,先将其中不易判明可靠性的规则送入KDD*过程中进行定向挖掘,用KDD*的挖掘结果先行评估,若此条规则在KDD*过程中也可被发现,则认为该规则有效的几率较大;反之,则认为此知识缺乏数据支持;
T型协调器:在规则已被KDD*过程确认后,将产生一个定向搜索进程,搜索知识库中对应位置是否有此生成规则的重复、冗余和矛盾;这样能实时地处理重复、冗余和矛盾的知识,做到只对那些最有可能成为新知识的规则进行评价,从而大量地减少规则的评价量;KDK*的结构突破了KDK的原有封闭式结构,将数据库与知识库、KDD与KDK有机地融合起来,大量地减少了人工的参与,提高了系统的认知自主性。
2.按照权利要求1所述的构造方法,其特征在于:基于知识发现的动态知识库子系统技术实现步骤为:
步骤1、由书本知识和专家学者知识,通过知识获取设备生成基础知识库;同时,将基础知识库中的知识转化成规则存入规则库;
步骤2、由真实数据库的挖掘产生新的知识,并运用KDD*,维护型协调器和启发式协调器与基础知识库作用后,产生新的知识形成合成知识库;
步骤3、由合成知识库与推理机的作用形成综合知识库;
步骤4、由综合知识库经KDK*的作用后形成扩展知识库;这一步是去掉冗余的知识,矛盾的知识,过时的知识,并更好地维护得到的知识;
步骤2中的KDD*的技术实现步骤为:
步骤1、将真实数据库进行预处理,并划分数据子库;将基础知识库划分为知识子库;
步骤2、对于划分的数据子库,根据子库形成数据子类结构,构成挖掘数据库;对于划分的知识子库,根据属性划分知识结点,形成推断弧线,构成挖掘知识库;
步骤3、对于挖掘数据库,根据用户需求与感受兴趣知识,采用启发式协调器,搜索挖掘知识库中的知识结点的不关联状态,发现知识短缺,并确定优先级,然后进行聚集,进行定向挖掘;
步骤4、将获得的假设规则嵌入到挖掘知识库中,对规则进行重复、冗余、矛盾检测,即启用维护型协调器,对通过维护型协调器的规则进行评价,形成衍生知识库。
3.按照权利要求2所述的构造方法,其特征在于:KDD*中的术语,预处理是指:对原始数据进行包括数据净化、数值化与转换在内的处理,形成挖掘数据库DMDB,以供数据挖掘过程使用;聚焦是指:从挖掘数据库里进行数据的选择;进行聚焦的方法是利用聚类分析和判别分析;指导数据聚焦的方式有:通过人机交互由专家提出感兴趣的内容,让专家来指导数据挖掘的方向或利用启发式协调器进行定向的数据挖掘;获取假设规则是指:它是针对真实数据库中数据所隐藏的、先前未知的及具有潜在应用价值的信息进行抽取;在本系统中是抽取因果关联规则,从而进一步补充基础知识库;使用的挖掘方法是统计归纳推理法与因果关系定性推理法;双库协同机制是指:采用维护型协调器、启发型协调器,分别对所获得的假设规则进行处理和利用关联强度激发数据聚焦进行数据挖掘;评价这一环节用于对所获得的假设规则进行评价,以决定所得的规则是否存入基础知识库;使用的方法有:由规则的关联强度,通过设定的阀值,由计算机来实现;通过人机交互界面由专家来评价,或者利用可视化工具所提供的各类图形和分析资料进行评价;将经评价认可的规则作为新知识存入衍生知识库中。
4.按照权利要求1所述的构造方法,其特征在于:启发式协调算法为:
步骤1、搜索自关联强度大于给定阈值的语言变量值,形成结点集S;
步骤2、对结点集S中的结点进行组合,形成元组集合;
步骤3、搜索现有知识库,从元组中除去已在知识库中存在的元组;
步骤4、对剩余元组按关联强度排序,给出定向搜索的优先序;
步骤5、按优先级排序,并逐一扫描各元组,聚集到数据库相应入口,进行定向挖掘,并进行KDD进程。
5.按照权利要求1所述的构造方法,其特征在于:维护型协调算法为:
步骤1、对挖掘出的知识逐一判断知识的可信度是否大于给定的阈值;若是,则进入步骤2;否则进入下一条知识的判断;
步骤2、对由步骤1得到的知识判断知识是否重复;若是,则转入步骤1;否则转入步骤3;
步骤3、对由步骤2得到的知识判断知识是否冗余;若是,则转入步骤1;否则转入步骤4;
步骤4、对由步骤3得到的知识判断知识是否矛盾;若是,则转入步骤1;否则将知识存入知识库;若所有的知识处理完,则算法终止;否则转入步骤1。
6.按照权利要求2所述的构造方法,其特征在于:KDK*的技术实现步骤为:
步骤1、对于合成知识库,经过KDD过程,产生假设规则;
步骤2、通过R型协调器,形成假设检验,通过真实数据库来验证,并经过KDD*挖掘,启用S型协调器,即经KDD发现的规则在KDD*中进行验证,并将验证的结果存入规则库中;
步骤3、对于产生的规则集合,采用T型协调器,即新规则与原有规则的维护性检查,将得到的结果进行规则评价;
步骤4、将经步骤3得到的规则集合经领域专家评价后存入扩展知识库。
7.按照权利要求1所述的构造方法,其特征在于:定向挖掘算法为:
设规则强度阈值为Min_Intensity,支持度阈值为Min_Sup,可信度阈值为Min_Con;
步骤1、数据预处理:这里主要是用户选择真实数据库,对于多值属性进行离散化;
步骤2、划分数据子库,依据子库建立数据子类结构,形成挖掘数据库;划分知识子库,依据知识子库建立知识结点,调用过程calculate_reach_matrix产生可达矩阵,从而形成挖掘知识库;
步骤3、调用过程启发式协调算法Heuristic_Coordinator(K2)产生K2,K2为长度为2的短缺知识;
步骤4、m=2;
步骤5、对Km,Km为长度为m的短缺知识,产生假设规则:对Km中的短缺知识ri:e1∧e2∧...∧ep→eq (ri∈Km),进行定向挖掘,即对挖掘数据库的数据表table1,table2,...,tablep,tableq进行挖掘,计Con(ri)和Intensity(ri),如果Con(ri)>Min_Con并且Intensity(ri)>Min_Intensity,则转6);否则,Km=Km-ri,转8);
步骤6、对规则ri应用维护型协调器进行处理。即若维护型协调算法Maintenance_Coordinator(ri)==0,则取消该生成规则或相应处理;转8);若Maintenance_Coordinator(ri)==1,则转7);
步骤7、对规则ri进行评价,若评价通过则入库;若m==2,调用过程Calculate_matrix1(s,t)(ri:(s→t))来调整超图的可达矩阵;否则调用过程Calculate_matrix2((f1,f2,...,fs),t)(ri:(f1∧f2∧...∧fs→t))来调整超图的可达矩阵,若评价没有通过,则删除该规则;
步骤8、Km是否结束,若结束,当m==2时调用X1(P),否则调用X2(P);调用过程启发式协调算法Heuristic_Coordinator(Km,Km+1)来产生Km+1,转9);若没结束,则转5)进行下一条规则的处理;
步骤9、m=m+1,若Km=φ或者m>M这里M为预先给定的最大长度,转10);否则,转5);
步骤10、显示新产生的规则;
步骤11、结束;
过程X1(P)
步骤1、for i:=0 to n
步骤2、for j:=0 to n;
if(P(i,j)==1)Km=Km∪{i→j};
过程X2(P)
步骤1、for i:=n+1 to T;
步骤2、for j:=0 to n;
if(P(i,j)==1)Km=Km∪{i→j}。
n为可达矩阵P的列数,T为可达矩阵P的行数。
8.按照权利要求1所述的构造方法,其特征在于:分级诊断、决策子系统的决策树算法为:
输入:训练样本集S;候选属性集attributes_list,类别标识属性C;
输出:一棵判定树;
步骤1、创建节点N;
步骤2、若所有训练数据S都在C的同一类,则返回N作为叶节点,并将N的名字记为C中该类的类别号;
步骤3、若attribute_list为空,则返回N作为叶节点,并将N的名字记为
步骤4、在attribute_list中选择具有最小信息补偿量的测试属性b∈attribute_list;
步骤5、将N的名字记为b;
步骤6、对b的每一个属性值做如下操作:将b的每一个属性值aj,由节点N生长出名为aj的分枝;求Sj={s|s∈S,s.b=aj},Sj为划分块;若Sj为空,则加上一个树叶,并将该树叶记为若Sj不空,则加上一个由基于信息补偿量的决策树算法Generate_decision_tree(Sj,attribute_list-{b})返回的节点;
步骤7、结束。
本发明属于人工智能和专家系统技术领域,特别涉及一种基于知识发现的专家系统(ESKD,Expert System Based on Knowledge Discovery)构造方法。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种可网上交年费的智能系统 | 2020-05-12 | 384 |
一种视觉搜索方法、装置及设备 | 2020-05-13 | 349 |
智能安防监控系统 | 2020-05-11 | 1009 |
基于消费者进行储存、检索和传输推广内容到其他消费者的系统及方法 | 2020-05-11 | 817 |
用于卫星导航的电子地图关键词检索方法及其装置 | 2020-05-13 | 880 |
网页检索方法和装置 | 2020-05-13 | 67 |
一种快速文件检索方法和装置 | 2020-05-11 | 49 |
用于消费电子设备的用户位置检索 | 2020-05-11 | 808 |
鸡蛋码管理方法以及鸡蛋检索码管理系统 | 2020-05-11 | 949 |
鸡蛋码管理方法以及鸡蛋检索码管理系统 | 2020-05-11 | 147 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。