基于RIMER理論的專家系統(tǒng)自學(xué)習(xí)算法的研究與實(shí)現(xiàn).pdf

1、為了處理人類決策中遇到的不確定性信息，在D-S理論、決策理論和模糊集合理論的基礎(chǔ)上基于證據(jù)推理方法的置信規(guī)則庫(kù)推理方法（RIMER）被提出。在RIMER理論和專家系統(tǒng)理論的基礎(chǔ)上形成了RIMER專家系統(tǒng)。RIMER理論是一種透明的建模方法，專家知識(shí)以直接接入系統(tǒng)內(nèi)部，確定規(guī)則庫(kù)的置信度和權(quán)重等參數(shù)。但是一般地，專家并不能總是客觀、精確地給定這些參數(shù)，這就削弱了RIMER專家系統(tǒng)模擬實(shí)際系統(tǒng)的能力，為此Yang等建立該專家系統(tǒng)的學(xué)習(xí)模型，

2、指出該模型是線性約束的非線性規(guī)劃問(wèn)題，并且給出了求解方法。但是，學(xué)習(xí)結(jié)果不能令人滿意。因此有必要設(shè)計(jì)一種新的算法來(lái)求解該學(xué)習(xí)模型使得該專家系統(tǒng)具備更好的自學(xué)習(xí)能力。
　　 在此基礎(chǔ)上，本文首先結(jié)合梯度法和二分法設(shè)計(jì)了一種新的簡(jiǎn)單算法。新的算法首先利用梯度法求解該非線性規(guī)劃問(wèn)題的下降方向，接著根據(jù)非線性規(guī)劃中的約束條件找到最大步長(zhǎng)，然后通過(guò)二分法對(duì)最大步長(zhǎng)二分直至找到使目標(biāo)函數(shù)值最小的步長(zhǎng)。
　　 之后通過(guò)分析專家系統(tǒng)的一