2.4.1 基于知识发现的专家系统ESKD

基于知识发现的专家系统ESKD总体结构如图16所示： 

现以基于知识发现的广义诊断型专家系统(ESKD)与传统的诊断型专家系统做一典型的对比分析:

经典的专家系统，只能从书本知识和领域专家那里通过知识获取构件以及通过推理机制等得到知识库中的知识，再没有获得新知识的其它有效途径。而ESKD恰恰通过新型KD(D&K)结构模型，从新的知识源即数据库与知识库中产生新的知识，从而从根本上改变了“知识贫乏”这一窘境。与传统的故障诊断型专家系统结构进行比较，可明显地看到ESKD具有如下的功能特征与创新点：

1) 丰富性：传统知识库系统仅在基础知识库中利用推理机扩展知识，而ESKD的动态知识库经历了基础—衍生—合成—综合—扩展的一系列提升过程，知识存储的数量与质量均极大丰富（传统的知识库系统是ESKD动态知识库系统的子系统），并且其管理系统完备，能够高智能地发现深层知识与评价知识；

2) 具有很强的推理（包括演绎、归纳、模糊、定性、基于案例的推理、统计推断等）与解释能力；

3) 独立性：系统采用结构化系统分析的方法，将整个专家系统分成相对独立的可完成不同功能的六个子系统。各子系统既可以协同工作，又可以独立地被不同用户使用；

4) 自学习与自适应性：通过协调器的作用、案例学习以及知识训练等方式可提高自学习的功能，不断获得新的知识加入到动态知识库中；同时基于知识发现的动态知识库及数据库都在时间与空间的延伸中，随着抽象级的增加而再生出适合于环境变迁的新知识，使整个系统具有较强的自适应性；

5) 通用性：ESKD针对广义诊断的问题，适用于相当广泛的领域；同时ESKD开发系统支持客户/服务器（cline/sever）体系结构与各类数据库系统。

6) 可行性：本专家系统采用的是成熟的数据挖掘技术，如统计归纳法，因果关系定性推理等，根据其设计的演示系统结果表明是可行的；另外这对于专家系统的理论研究也具有重要意义。

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23]  下一页