机界面是必须的，它将起到桥梁的作用，把人和机器沟通
联系起来，使人真正成为自动化决策过程中的一个重要部 分，作为最具有创造性的知识源，在智能化人--机系统中
起到关键决策的作用。
一、智能工程的概念
智能化的人—机界面
1、方便灵活、多种介质信息的 输入输出方式
数值、符号、图形、图像
2、设立用户密级
无经验用户 专家用户
五、应用实例
数据挖掘技术的步骤


以一个具体的例子说明 分析大坝垂直位移测值序列在2001年产生突变的物理成 因。
五、应用实例
数据挖掘技术的步骤
1.
2.
3.
4.
5.
定义问题：了解相关领域的有关情况，熟悉背景知识，弄清需求。 分析测点异常测值的物理成因。 集成数据：根据需求从数据库中提取相关数据。将有关大坝的数据 （如监测量测值、日常巡查数据、大坝设计及竣工数据、大坝运行 情况数据等）以及环境量测值（如库水位、气温、降雨、地震等） 集成在数据库中。 预处理数据：对数据进行再加工，检查数据的完整性和一致性，对 丢失的数据进行补充。 挖掘数据：运用数据挖掘的方法，从数据中提取用户所需的知识， 这些知识可用一种特定的方式表示。 评价或解释：利用可视化工具将发现的知识以用户能理解和观察的 方式呈现。可循环至满意。环境量测值在这个区间内变化平稳，在 沉降值发生突变的2001年没有突变；大坝设计及竣工数据、大坝 运行情况数据都很平稳等等；在日常巡查数据发现2001年该坝所 在地曾发生过几次有感地震。数据挖掘的结果表明，此次突变的原 因极有可能是发生区域性特殊荷载（地震）所致。
五、应用实例
数据挖掘技术

数据挖掘技术基于多方面的技术，如数据库技术、 统计科学、模式识别、知识库、信息索引技术、高 性能计算以及数据的可视化等， 高度自动化地分析原有的数据，并做出归纳性的推 理，从中挖掘出潜在的模式，预测目标的行为，为

决策提供强有力的技术支持。

确切的说，数据挖掘技术是利用人工智能技术为决 策提供支持的过程，属于智能工程。
理论知识 经验知识 数值模型 符号模型 ……
计算机对知识进行获 取、表达、集成、管理、 协调及使用，即利用具有 一定智能的计算机来代替 人脑的部分功能，以达到 决策自动化的目的。
一、智能工程的概念
智能工程的原则

开放性
透明性 继承性
① 易于与其他智能系统交换信息和集成 ② 系统内部的知识易于扩展（知识库的修改和完善等） ① 使用户对复杂系统的总体结构及其功能有所了解 ② 用户能获取进程执行的有关信息（进度、中间结果等） ③ 对出错信息的跟踪与解释 ① 便于继承以往的软件成果 ② 能为现在或今后在不同环境和背景下开发的软件提供继承 ① 知识内容和形式的集成 ② 智能软件系统与环境的集成 ③ 复杂软件系统集成的结构
类Ⅱ：属性+方法
……
主要内容
一、智能工程的概念
二、知识的获取及表达
三、知识的运用
四、专家系统 五、应用实例
三、知识的运用
知识的重要运用----推理
推理是人们求解问题的主要思维方法，而智能系统
的推理行为则由推理机完成。推理机是智能系统必不可
少的一个组件，其基本任务就是在一定控制策略指导下， 搜索知识库中可用的知识，与事实库中的事实匹配，产
必须输入计算机内部以某种方式被表达出来才能被利用，
研究将知识用什么方式在系统中进行表达，并以什么结构 存储可以在智能系统在运行过程中能被推理机利用的问题 就是知识表达的研究内容。
二、知识的获取与表达
2. 知识的表达
知识表达的典型方法： ① 规则式（产生式）知识表达
② 基于框架的知识表达
③ 语义网络知识表达 ④ 逻辑表达法 ⑤ 过程表示 ⑥ 面向对象表示
主要内容
一、智能工程的概念
二、知识的获取及表达
三、知识的运用
四、专家系统 五、应用实例
五、应用实例
数据挖掘技术

在大坝安全决策支持系统中的应用 在大坝安全监控领域，一座大坝上布置的监测点个数以千 记，各监测点年复一年的观测所采集和累计的数据是海量
的。坝体、库水、坝基、气温、降雨、地震等等

针对水利行业海量的数据，我们应该如何利用现代的信息 技术去进行采集、存贮、传输、处理呢？
不精确推理
用于求解具有不精确知识的问题，主要理论基础是概率论
三、知识的运用
搜索技术
盲目搜索（无信息搜索） 启发式搜索
传统的搜索技术
（解决简单问题）
博弈树搜索
遗传算法 模拟退火算法 免疫算法
智能的搜索算法
（解决复杂问题）
主要内容
一、智能工程的概念
二、知识的获取及表达
三、知识的运用
四、专家系统 五、应用实例
四、专家系统
专家系统

专家系统是智能工程的一个重要分支，是人工智能理论的 实际应用，是从一般思维方法探讨转入专门知识运用的重 大突破。

专家系统可视为一类具有专门知识和经验的计算机智能程 序系统，具有与专家同等解决问题能力的水平。
专家系统把知识和系统中其它部分分离开来，它强调的是 知识而不是方法。这主要是由于：
四、专家系统
专家系统的开发工具


专家系统是具有某个领域专家级知识的系统，要研制 和开发一个专家系统是一件复杂、困难和费时的工作。人 们已经研制出一些比较通用的工具，作为设计和开发专家 系统的辅助手段和环境，以提高专家系统的开发效率、质 量和自动化程度。这种开发工具或环境，就称为专家系统 开发工具。（例如机器人仿真、matlab、simulink、组态软 件、管理信息系统开发工具）。可以理解成开发专家系统 用的组态软件。 现有的专家系统开发工具，主要分成以下四类：骨架 系统（又称外壳）、语言型工具、辅助工具和支撑环境。

四、专家系统
专家系统的基本结构
专家பைடு நூலகம்用户
人
为用户提供直观方便 的人机交互手段。 知识获取
机
接
口
用来控制、协调整个专家 系统工作的一组程序。
推理机
咨询解释 负责对推理出的结果 作出必要的解释。
为知识库的建立、修 改和扩充提供手段。 用于存放系统求解 问题所需要的领域 专门知识。 知识库 数据库
用于存放原始数据 和推理过程中得到 的各种中间信息。
3、独立的专家系统
咨询、帮助、解释、跟踪
一、智能工程的概念
智能工程与人工智能的区别和联系
利用计算机模拟 人的智能 理 论 研 究 为 导 向 利用具有智能的计算机（硬 件和软件）解决实际问题 工 程 实 际 应 用 导 向
重要基础
人工智能
贡献理论成果
智能工程
注重研究智能活动过程的 机理，具有严格的逻辑性 和推理，注重普遍适用性
机器学习
知识源
学习机
推理机
专家、书本、数据库
知识库
专家系统 机器学习的基本模型
二、知识的获取与表达
机器学习
机械式学习
基于解释的学习
基于事例的学习 基于概念的学习 基于类比的学习 基于决策树的归纳学习
基于神经网络的学习
……
二、知识的获取与表达
2. 知识的表达
当知识从知识源经知识获取形成条理化的知识后，它
知识的分类：
描述性知识 判断性知识 过程性知识 按作用分： 对象级知识 元级知识
按作用分：
二、知识的获取与表达
1. 知识的获取
知识的来源：
知识获取方法：
① 人工知识获取 ② 机器学习
二、知识的获取与表达
人工知识的获取
人工知识获取的基本模式
二、知识的获取与表达
人工知识的获取
知识获取的步骤
二、知识的获取与表达
多 介 质 信 息 处 理 的 集 成
- 不同型号的计算机及其它硬设备 - 不同语言环境支持的软件系统之间
冲突决策问题
- 子系统间的决策冲突 - 不同领域专家的决策冲突
任务分配问题
-根据系统目标将各种任务分给不 同的子系统 -对任务执行情况进行检测和控制
一、智能工程的概念
智能化的人—机界面
面向复杂问题的集成化智能软件系统，在它的建立、 发展、完善和使用的过程中，都需要有人类专家的参与。 因此，一种非常便于使用、灵活友好、具有一定智能（如 对手迹和语音的识别功能、解释功能、咨询功能）的人—
注重研究智能活动过程的 机理，具有严格的逻辑性 和推理，注重普遍适用性
主要内容
一、智能工程的概念
二、知识的获取及表达
三、知识的运用
四、专家系统 五、应用实例
二、知识的获取与表达
1. 知识的获取
知识的概念：
知识是人们在社会实践和生产实践中对各种信息经过去 粗取精、去伪存真、由表及里、由此及彼而形成的各种对于 客观事物规律性的认识。
二、知识的获取与表达
2. 知识的表达
① 规则式（产生式）知识表达
二、知识的获取与表达
2. 知识的表达
② 基于框架的知识表达
二、知识的获取与表达
2. 知识的表达
③ 语义网络知识表达
二、知识的获取与表达
2. 知识的表达
④ 逻辑表达法
基于数理逻辑（一阶谓词演算）的知识
二、知识的获取与表达
2. 知识的表达
问题的解
三、知识的运用
推理方法
演绎推理和归纳推理
演绎推理是从已知的判断出发，通过演绎推出结论的一种推理方 式，是一种由一般到个别的推理，相反，归纳推理是从个别到一般的 推理。
形式逻辑推理
根据谓词逻辑进行推理，依赖于严密的逻辑学
联想型推理
在语义网络表达的知识中，利用结构关系及上层到下层概
念的继承性进行推理