2.4 新型實用智能系統(tǒng)構造方法
早期智能系統(tǒng)的知識獲取完全依靠領域專家和知識工程師長期共同合作完成. 近來，一些智能系統(tǒng)已或多或少地具有了自動知識獲取的功能，即系統(tǒng)在運行中不斷地從錯誤和失敗中歸納總結經驗，并修改和擴充自身的知識庫. 即便如此，“知識匱乏”仍是智能系統(tǒng)中的瓶頸問題，一直制約著智能系統(tǒng)的發(fā)展。為解決知識獲取這一難題，人們開始嘗試著利用知識發(fā)現來解決這一難題。基于知識發(fā)現的智能系統(tǒng)可大致分為兩類：其一是利用數據挖掘技術來輔助專家系統(tǒng)的構建，而不是用于知識獲取。另外一類則是將現有的數據挖掘工具直接用于或集成后用于專家系統(tǒng)的知識獲取。與現有的工作最大的不同之處在于:我們提出的四類新型實用智能系統(tǒng)的理論基礎是我們提出的上述原創(chuàng)性機理、模型以及技法,其知識的內在聯(lián)系如下所示。
 
引發(fā)出四類新型實用智能系統(tǒng)----將傳統(tǒng)的實用智能系統(tǒng)與上述理論基礎、內在認知機理、過程模型、技術方法交叉融合，構造了四類新型實用智能系統(tǒng)，可顯著改善“知識貧乏”的瓶頸，提高智能化程度與系統(tǒng)性能。以下給出基于知識發(fā)現的廣義診斷型專家系統(tǒng)(ESKD)、基于信息挖掘的智能決策支持系統(tǒng)（IDSSIM）、基于信息挖掘的智能預測支持系統(tǒng)（IFSSIM）、基于知識發(fā)現的計算機輔助創(chuàng)新智能系統(tǒng)（CAIISKD）的總體結構圖。
上一頁 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] 下一頁
|
