2.4 新型實用智能系統構造方法
早期智能系統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，一些智能系統已或多或少地具有了自動知識獲取的功能，即系統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”仍是智能系統中的瓶頸問題，一直制約著智能系統的發展。為解決知識獲取這一難題，人們開始嘗試著利用知識發現來解決這一難題。基于知識發現的智能系統可大致分為兩類：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的理論基礎是我們提出的上述原創性機理、模型以及技法,其知識的內在聯系如下所示。
引發出四類新型實用智能系統----將傳統的實用智能系統與上述理論基礎、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，可顯著改善“知識貧乏”的瓶頸，提高智能化程度與系統性能。以下給出基于知識發現的廣義診斷型專家系統(ESKD)、基于信息挖掘的智能決策支持系統（IDSSIM）、基于信息挖掘的智能預測支持系統（IFSSIM）、基于知識發現的計算機輔助創新智能系統（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
|
