知识推理分类

知识推理分类


发布日期: 1970-01-01 更新日期: 2015-02-03 编辑:giser 浏览次数: 4103

标签:

摘要: 知识推理与知识表示有密切关系,根据知识表示的特点,知识推理方法可分为图搜索方法和逻辑论证方法两类。 图搜索方法 在专家系统的知识表示中,许多基本的、常用的表达方式都具有“图”的形式,或者可以变换为相应的图的形式,而且通常可以用与或图来进行表达。例如,状态空...

知识推理与知识表示有密切关系,根据知识表示的特点,知识推理方法可分为图搜索方法和逻辑论证方法两类。

图搜索方法

在专家系统的知识表示中,许多基本的、常用的表达方式都具有“图”的形式,或者可以变换为相应的图的形式,而且通常可以用与或图来进行表达。例如,状态空间图、与或图、语义网格图,以及由产生式规则或框架表示方法所转换的与或图或网络图。 基于图的知识表达,问题求解的知识推理过程,就是从图中相当于初始状态的出发节点到相当于目标状态的终止节点的路线搜索过程,即搜索从初始状态有效的转移到目标所经历的最优的或最经济的线路,相应的知识推理方法即图搜索方法。例如,对于具有树状的状态空间图,称为“问题树”,基本的图搜索方法有:宽度优先搜索、深度优先搜索法等。

逻辑论证方法

当知识表示采用谓词(Predicate)逻辑或其他形式逻辑方法时,知识推理也可以采取逻辑论证方法。在这种情况下,求解一个问题相应于证明一个定理或几个定理,问题求解的知识推理过程,相应于用数理逻辑方法进行定理证明的过程。知识推理方法即逻辑论证方法。例如,若用一组谓词逻辑表达式A描述有关的事实、情况或条件,而用另一组谓词逻辑表达式B描述问题的答案或结论,那么,只要通过逻辑演算方法论证定理A-B成立,也就相应论证了从有关事实、情况和条件出发,可以推出正确的答案或结论B。根据问题求解的推理过程是否运用启发性知识,知识推理方法可分为启发推理和非启发推理两类。

启发推理

在问题求解的过程中,运用与问题有关的启发性知识,即解决问题的策略、技巧,对解的特性及其规律的估计等实践经验或知识,以加快推理过程,提高搜索效率,这种推理过程称为“启发式推理”。例如,在图搜索的推理方法中,利用启发性知识改进的深度优先搜索法,如局部择优搜索法,最好优先搜索法等,只需要对部分状态空间进行搜索,可提高搜索效率。

非启发推理

在问题求解的推理过程中,不运用启发性知识,只按照一般的逻辑法则和控制性知识,进行通用性的推理。这种方法缺乏对求解问题的针对性,需要进行全状态空间的搜索,而没有选择最优的搜索途径,大多搜索效率低。例如宽度优先搜索法,虽然是完备的算法,但其搜索效率低。根据问题求解的推理过程中结论是否精确,知识推理方法可分为精确推理和不精确推理两类。

精确推理

精确推理是指在专家系统中,把特定领域的知识表示成必然的因果关系、逻辑关系,推理的结论是肯定的。这种推理是精确推理。

不精确推理

在人类知识中,有相当一类属于人们的主观判断,是不精确和含糊的。由这些知识归纳出来的推理规则也往往是不确定的,基于这种不确定的推理规则进行推理,形成结论,称为不精确推理。常用的不精确推理方法有概率论方法、可信度方法、模糊子集法和证据论方法。 根据问题求解过程中特殊和一般的关系,知识推理方法可分为演绎推理和归纳推理;根据求解推理过程中的推理的方向,知识推理方法可分为正向推理、反向推理和正反向混合推理三类。

关注公众号
获取免费资源

随机推荐


Copyright © Since 2014. 开源地理空间基金会中文分会 吉ICP备05002032号

Powered by TorCMS

OSGeo 中国中心 邮件列表

问题讨论 : 要订阅或者退订列表,请点击 订阅

发言 : 请写信给: osgeo-china@lists.osgeo.org