专家系统设计与实现系列 --推理技术
1.1.1 推理的定义
严格地讲，所谓推理就是按照某种策略由己知判断推出另一判断的思维过程。人类的智能活动有多种思维方式，因此，作为模拟人类智能的专家系统相应地也有多种推理方式，如演绎推理、归纳推理和默认推理;确定性推理和不确定性推理:单调推理和非单调推理;启发式推理和非启发式推理:基于知识的推理、统计推理和直觉推理等[10]。
1.1.2 不确定推理的定义
不确定推理是建立在非经典逻辑基础上的一种推理，是对不确定性知识的运用与处理。严格地说，不确定性推理就是从不确定性的初始证据出发，通过运用不确定性的知识最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程[5]。
1.1.3 不确定推理方法
(1) 可信度方法
将可信度理论成功应用于专家系统开发的代表是MYCIN系统。MYCIN是一个用于某些细菌感染性疾病诊断的专家系统，在MYCIN的不确定性推理模型中采用可信度CF (H,E)作为不确定性量度，表示假设结论H在证据E成立的条件下的确定程度，反映了领域专家对不确定知识的信任程度。
(2 )概率方法
概率方法的数学原理是根据条件概率的定义和Bayes定理，确定在一个事件发生的条件下另一个事件发生的概率。如果产生式规则IF E THEN H，那么根据Bayes公式就可以求出Hi的条件概率。
(3 )主观Bayes方法
主观Bayes方法的本质是概率方法，但它与经典的概率方法不同，它通过引入充分性量度(LS)和必要性量度MN)，在Bayes定理基础上构建了不确定推理模型，从而大大增加了Bayes公式的适用范围。
1.1.4 推理机原理介绍
根据一个或一些判断得出另一个判断的思维过程，在专家系统中，推理机根据知识库中的知识，按照一定的推理策略去解决当前的问题。在推理机的设计时，要考虑推理方法、推理方向和搜索策略三个方面[6]。
（1）推理方法:分为精确推理和不精确推理两种。前者是把领域知识表示为必然的因果关系，推理的前提和推理的结论或者是肯定的，或者是否定的，不存在第三种可能。对于这种方式的推理，一条规则被激活，其前件表达式必须为真。后者又称为似然推理，是根据知识的不确定性求出结论的不确定性的一种推理方法。
（2）推理方向:专家系统可以实现正向推理、反向推理和混合双向推理。正向推理是从己知事实(数据)到结论的推理，也叫事实驱动推理或数据驱动推理。反向推理与正向推理的操作相反，是从目标到初始事实(数据)的推理，也叫目标驱动或假设驱动推理。反向推理是先从知识库中选择一种症状作为假设，然后寻找支持假设的证据或事实来验证这种假设的真假性，当用户提供的数据与系统所需要证据完全匹配成功时，则推理成功，所作的假设也就得到证实。混合双向推理先根据给定的原始数据或证据向前推理，得出可能成立的诊断结论，然后，以这些结论为假设，进行反向推理，寻找支持这些假设的事实或证据。
（3）搜索策略:专家系统推理机在进行规则匹配操作时，会有三种可能的结果。一是只有一条规则匹配成功，二是没有一条规则匹配成功，三是有两种以上的规则匹配成功。在推理过程中，如果需要对推理结果做出解释，那么可以建立专家系统解释机构，这将从某种程度上提高了专家系统的性能。根据诊断的知识表示，诊断推理的过程本质上是在知识库以某种搜索策略进行搜索的过程。诊断过程实际就是搜索匹配的过程，专家系统根据输入的测试值及现象用判断规则引导搜索深入，直到找到一个症状。搜索策略分为两类:盲目搜索和启发式搜索。盲目搜索不需要前后相关的或有关问题域的专门信息。启发式搜索需要分析问题域的专门信息，即启发式知识，并因此而缩小了搜索空间，从而提高搜索的效率。