论文部分内容阅读
本文介绍了专家系统的研究现状、结构特点及发展趋势，详细阐述了山西省马铃薯智能农业专家系统的构造过程，包括知识的获取、表达和存储以及推理机的推理方式和控制策略等。系统整体结构设计采用了Browser／WebServer／Database三层分布计算体系，这种结构具有扩展性好、维护方便、客户端界面统一、成本低、跨平台性和开放性等诸多优点。系统采用Windows 2000 Server所提供的IIS中的WWW服务器，利用FrontPage 2000、Photoshop、Dreamwaver、RealProducer和InterDev等开发工具对文本、图像、动画、音频、视频等信息进行有机集成，形成图、文、声并茂的Web页面，并充分运用了.NET、XML、ActiveX构件等新技术来强化系统的功能；采用基于模糊产生式规则的知识表示，混合推理控制策略以及应用不精确推理的可信度模型，较好地解决了农业领域知识的复杂性和不精确性，实现了网络化马铃薯信息处理系统，解决了农业专家系统数据量庞大，多媒体信息甚多，数据的不确定性等难点，集实用性、方便性和科学性于一体，突出系统的本地化，在基层农业生产的推广应用中，得到了用户的广泛好评。近年来，随着科学技术的发展，特别是人工智能的发展已影响着各行各业。专家系统在人工智能的重要分支，它的发展是本世纪科技发展的重点之一。本文从专家系统的发展谈起，分析了目前存在于专家系统中的主要问题，并且针对知识获取方法这一瓶颈问题进行了深入的研究和分析。关于神经网络应用于专家系统主要是考虑专家系统可以解决分类问题。神经网络所具有的自学习能力使得传统专家系统技术应用最为困难的知识获取工作转换为网络的变结构调节过程，从而大大方便了知识库中知识的记忆和提取。本课题从理论上分析了神经网络在改善专家系统中的知识获取方法的优点，提出了解决专家系统中知识获取方法问题的技术方案。为了实现马铃薯专家系统品种选择模块中知识获取方法的改进，在神经网络选择过程中，尝试了多种神经网络方案：Hopfield网络、自组织网络、BP网络等等。对网络的特点进行了分析，通过仿真实验考察了网络在现有条件下对于处理专家系统中分类问题的能力，最终采用BP网络作为基本网络构建了专家系统的知识获取子系统。用Matlab仿真了人工神经网络中BP网络，并将研究的结果应用于“马铃薯专家系统中的品种选择模块”，完成了马铃薯品种选择模块的知识获取方法的改进，提高了系统的性能，效果良好。