具体描述
内 容 简 介
本书在总结国内外同类研究成果的基础上，结合作者自己的研究成果与经验，全面系统地论述
了模糊专家系统设计的原理与方法。内容包括：知识的模糊表达与模糊逻辑；模糊专家系统及其开
发；模糊系统开发时环境与工具的选择；模糊专家系统开发的经验和实例；采用神经网络技术的模糊
专家系统设计等。书中内容深入浅出，是一部实用的模糊专家系统研究与开发的论著。
本书是《模糊技术与应用丛书》之一。它适合于人工智能、专家系统、计算机、自动控制、企业管
理和信息工程等专业的科技人员阅读，也可作为大学同类专业本科生及研究生的参考书及教材。
作者简介
刘有才
作者简介
1948年10月生于河
北，1975年12月毕业于
北京航空航天大学1981
年研究生毕业后，即致力
于模糊数学及人工智能理
论与应用的研究，在国内
外共发表各类学术论文三
十余篇。近几年来，围绕模
糊逻辑与神经网络的结合
研究和工程应用做了系列
研究开发工作。已与刘增
良合作出版的专著有《因
素神经网络理论及实现策
略研究》《因素神经网络理
论及应用》等。
目录信息
第一章 绪 论
1.1人工智能与专家系统
1.2专家系统的基本结构与功能
1.3专家系统中的不确定性
1.4现有专家系统中不确定性的几种主要处理方法
1.5模糊专家系统
第二章 模糊不确定性信息表达与处理的数学基础
2.1模糊集合理论的一些初步知识
2.1.1普通集合与模糊集合
2.1.2模糊集合上的运算及其性质
2.1.3模糊关系与模糊等价关系
2.1.4分解定理与表现定理
2.1.5扩展原理
2.2模糊统计与隶属函数的确定
2.2.1确定隶属函数的一般方法
2.2.2带确信度的德尔菲法
2.2.3基于集值统计的模糊统计
2.2.4二元对比排序法
2.2.5综合加权法
2.2.6可供选用的一些常用隶属函数
2.3可能性分布与模糊测度
2.3.1模糊限制与可能性分布
2.3.2模糊集合的可能性测度
2.3.3多元可能性分布
第三章 模糊专家系统中知识的表示方法
3.1知识的特征及其分类
3.1.1专家知识及其属性
3.1.2专家系统中常用知识的种类及其特征
3.2模糊性知识的规则表示
3.2.1基本产生式系统
3.2.2产生式规则表示法应用举例
3.2.3模糊产生式系统与模糊产生式规则
3.2.4模糊规则及模糊数据的具体表达方法
3.2.5模糊产生式系统运行举例
3.3模糊知识表达的框架方法
3.3.1“静态”知识的框架表示
3.3.2框架表示下的推理过程
3.3.3基于模糊框架的模糊知识表示
3.4模糊知识表达的语义网络方法
3.4.1语义网络及其形式化描述
3.4.2语义网络表示下的推理
3.4.3模糊知识的语义网络表示方法
3.5因素神经网络――一种新的模糊知识表示网络
3.5.1用因素神经网络表示知识的基本考虑
3.5.2因素神经网络与因素神经元
3.5.3因素神经网络中模糊知识的表示方法
第四章 基于模糊技术的不确定性推理
4.1现有专家系统中几种常用的不确定性推理模型
4.1.1不确定性推理模型的基本结构
4.1.2不确定性推理的主观Bayes模型
4.1.3不确定性推理的确定性理论模型
4.1.4不确定性推理的证据理论模型
4.2模糊推理的基本概念和基本方法
4.2.1模糊命题与模糊逻辑
4.2.2模糊推理的基本模式和基本方法
4.2.3带有模糊真值限定时的模糊推理方法
4.3直接构造模糊关系矩阵的实用方法
4.3.1假设分布形式的统计回归方法
4.3.2概率及集值统计方法
4.3.3用信息扩散模型处理模糊信息
4.4多重多维蕴涵的模糊推理方法
4.4.1多维模糊推理的一般方法
4.4.2多重模糊推理的推理方法
4.4.3多重多维模糊推理的推理方法
第五章 模糊专家系统设计与开发的一般方法
5.1有关专家系统开发的几个基本问题
5.1.1专家系统的基本特征是什么
5.1.2谁需要专家系统
5.1.3谁来开发专家系统
5.2如何开发专家系统
5.2.1专业领域及问题域的确认
5.2.2系统的规划与设计
5.2.3领域相关知识的获取
5.2.4系统的实施
5.2.5系统测试与评估
5.2.6系统的长期完善与发展
5.3模糊专家系统开发的难点与优势
5.4关于模糊专家系统开发的几点建议
第六章 模糊专家系统开发工具及环境的选择
6.1专家系统开发与专家系统开发工具
6.2专家系统开发工具的选择
6.2.1选择专家系统开发工具时需考虑的问题
6.2.2专家系统开发工具的几项选择准则
6.2.3已选用开发工具的测试与评价
6.3一些可供选用的开发工具简介
6.3.1可直接用于开发模糊专家系统的开发工具
6.3.2可参考选用的几个专家系统开发工具
6.4模糊专家系统开发工具FRDS简介
6.4.1FRDS的主要功能模块
6.4.2FRDS中图形编辑器的基本功能
6.4.3FRDS中编译器的基本功能
第七章 可用于模糊专家系统开发的知识处理语言
7.1程序设计语言与知识处理语言
7.2逻辑程序设计语言Prolog
7.2.1Prolog语言简介
7.2.2Prolog语言的基本语法
7.2.3Prolog程序的执行与控制
7.2.4Prolog中的项与表
7.2.5Prolog中的内部谓词
7.2.6TurboProlog简介
7.3Prolog语言模糊化研究
7.3.1Fuzzy－Prolog系统XDFPS的研制
7.3.2f－Prolog语言的一个实现框架
7.3.3扩展Prolog语言而成的EXTOOL语言
7.4通用可能性模糊关系语言PRUF
7.4.1模糊命题及其翻译
7.4.2PRUF中的几个翻译规则
7.4.3PRUF中的模糊推理
7.4.4模糊提问及解答过程
7.5模糊逻辑语言FLL－1
7.5.1FLL－1语言的语法和语义
7.5.2FLL－1语言的形式文法
7.5.3FLL－1语言的属性文法
第八章 模糊专家系统开发的实践及经验介绍
8.1模糊产生式系统FMUFL
8.1.1FMUFL的体系结构
8.1.2FMUFL中模糊集合的表示方法
8.1.3FMUFL中知识的表示模式
8.1.4FMUFL中的模糊匹配
8.1.5FMUFL中的模糊推理
8.1.6FMUFL中的冲突解决策略
8.1.7FMUFL中模糊产生式规则的执行
8.1.8FMUFL中的程序设计环境
8.1.9FMUFL运行的一个实例
8.2梁式结构损伤状态评估专家系统EDSBSES
8.2.1EDSBSES 的体系结构
8.2.2EDSBSES的因素关系表
8.2.3EDSBSES中因素状态的模糊表达
8.2.4EDSBSES中的知识表达
8.2.5EDSBSES的知识库
8.2.6EDSBSES系统的推理过程及应用
8.3证券投资模糊专家系统IES
8.3.1为什么要开发证券投资专家系统
8.3.2IES系统的主要功能
8.3.3IES系统中的模糊推理方法
8.3.4IES系统中的规则管理
8.3.5IES系统中的规则
8.3.6IES系统中的学习功能
8.3.7IES系统的运用
第九章 基于神经网络的模糊专家系统
9.1专家系统开发的“瓶颈”及神经网络技术的“引入”
9.1.1专家系统开发的“瓶颈”
9.1.2神经网络技术的“复兴”
9.2采用神经网络技术的专家系统
9.2.1采用神经网络技术的专家系统的一般功能与结构
9.2.2能实现映射变换的三层前馈型B－P网络
9.2.3能实现映射变换的三层BM网络
9.2.4神经网络型专家系统中的模式存贮与联想记忆
9.2.5可实现自联想记忆的Hopfield网络
9.2.6双向联想存贮器及其功能
9.3采用神经网络技术的模糊专家系统
9.3.1前馈型模糊推理网络
9.3.2模糊模式的联想存贮记忆
9.3.3模糊双向联想记忆网络
第十章 结束语
参考文献
· · · · · · (收起)
读后感
用户评价
这本关于模糊专家系统的书，真是让我对这个领域有了全新的认识。我一直觉得人工智能里的逻辑推理部分有些生硬，但这本书深入浅出地讲解了如何将人类思维中的“模糊”概念——那些介于“是”和“否”之间的灰色地带——有效地建模和计算。作者在介绍模糊集的理论基础时，非常注重实际应用的可行性，从Zadeh的经典定义出发，逐步过渡到更复杂的模糊推理机和知识表示方法，清晰地勾勒出了一个完整的系统构建蓝图。特别是关于如何设计和优化隶属函数的部分，给出了大量详实的案例和对比分析，让我明白了在不同的应用场景下，选择什么样的隶属函数形状和参数至关重要。书中对模糊逻辑与传统布尔逻辑的差异性论述得尤为透彻，让我明白了为什么在处理不确定性和不精确信息时，模糊系统能展现出如此强大的生命力。读完第一部分，我感觉自己已经具备了独立设计一个基础模糊控制器的能力，这种知识的即时转化能力，是很多理论书籍所不具备的。
坦白说，我之前对“专家系统”这个概念抱有一些刻板印象，觉得它们大多是上个世纪的技术，更新速度跟不上深度学习的步伐。然而，这本书成功地让我看到了模糊专家系统在特定领域，特别是那些难以获取大量精确训练数据的场景中的独特价值。它强调了“领域知识的显性化”过程，即如何通过专家访谈和知识工程的方法，将那些难以量化的经验知识转化为可计算的形式。书中对知识获取阶段的细致描述，包括访谈技巧、知识表示的迭代过程，都是工程实践中极其宝贵的内容。此外，它还探讨了如何将模糊系统与数据驱动的方法（比如神经网络）进行混合集成，构建混合智能系统。这种前瞻性的视角，让我意识到模糊逻辑并非孤立存在，而是可以作为强大的知识集成器融入更宏大的AI框架中去，极大地拓展了我的技术视野。
我特别喜欢这本书在细节处理上的精确性。许多技术书籍在涉及算法实现时往往含糊带过，但这本关于模糊专家系统的著作却展示了高度的工程化思维。例如，在讲解模糊推理的“前件匹配”和“后件推理”时，书中不仅列出了Mamdani和Sugeno两种最常见的推理模型，还对它们的计算复杂度、推理速度以及输出结果的连续性进行了详尽的对比分析。对于Sugeno模型，它对线性函数的处理和参数辨识的步骤被分解得极其清晰，即便是初次接触此类模型的读者，也能通过书中的流程图和伪代码迅速掌握其精髓。这种对实现层面的关注，避免了理论陷入空谈，确保了读者能够真正地动手构建和调试系统。它不仅仅是告诉你“做什么”，更重要的是告诉你“怎么做”以及“为什么这样做”。
这本书的阅读体验非常令人振奋，它成功地在晦涩的数学理论和实际工程问题之间架起了一座坚实的桥梁。作者对构建一个健壮的模糊系统所涉及的每一个环节都给予了足够的重视，特别是对“系统验证与维护”的章节印象深刻。在实际的专家系统中，知识的半衰期很短，系统需要不断地适应环境变化。书中提供的关于如何进行敏感性分析、如何确定知识更新的触发条件以及如何评估系统性能的指标体系，都是系统生命周期管理的关键要素。这些内容远超出了普通教材的范畴，更像是一份资深架构师的实践备忘录。它培养的不是一个只会套用公式的初学者，而是一个懂得如何从全局角度审视和维护一个复杂智能系统的工程师，这种综合能力的培养，是这本书最核心的价值所在。
这本书的叙述风格极其严谨，仿佛一位经验丰富的工程师在手把手地指导你进行系统设计。它没有过多地停留在抽象的数学推导上，而是将焦点放在了“设计”二字上，这一点我非常欣赏。书中关于专家系统架构的剖析堪称典范，它详细拆解了知识库、推理机、知识获取模块乃至用户接口的设计要点。对于知识表示，作者不仅讨论了基于规则的表示法，还拓宽了视野，介绍了基于框架和语义网络的模糊表示方法，这极大地丰富了我对复杂知识结构化处理的理解。更让我受益匪浅的是，书中对“冲突消解”和“不确定性传播”的讨论。在处理多个相互矛盾的模糊规则激活时，不同的加权和聚合策略会产生截然不同的结果，书里提供的几种主流策略及其优缺点进行了深入的性能对比，这对于我后续在实际项目中平衡系统鲁棒性和响应速度非常有指导意义。整体而言，它更像一本高级应用手册，而非仅仅是理论入门读物。
