基于WEB的贵州省柑橘农业专家系统研究和实现

论文摘要

基于Web的专家系统是目前人工智能在实际运用中最重要的课题之一。知识获取、知识表示、知识库的构建以及推理技术是系统实现的核心部分。基于国家科技攻关项目子项目“基于Web的贵州省柑橘农业专家系统”（课题任务书编号:2005BA901A04-4）的研发,本文主要研究了基于BP神经网络算法的知识获取方法,“模糊加权产生式规则”的知识表示方法,XML数据库构建知识库的相关技术以及基于中间件技术的模糊推理引擎的设计与实现。传统的专家系统中的推理引擎与系统的耦合度较高,不利于复用和扩展。当知识表示的方式改变,或者需要改进推理策略时,需要重新设计实现推理引擎。本文针对传统专家系统中推理引擎的不足,提出了模糊推理引擎的EJB设计方案,这种对象组件式的智能推理引擎具有复用性、高效性、扩展性和独立性等特点,并在系统中得到了很好的应用。

论文目录

• 摘要
• Abstract
• 第一章 前言
• 1.1 课题来源及背景
• 1.2 国内外专家系统的发展状况
• 1.3 论文的主要研究内容
• 1.4 本文的创新点及内容组织
• 1.4.1 本文的创新之处
• 1.4.2 论文的内容组织
• 第二章 基于Web的专家系统
• 2.1 专家系统的概念
• 2.2 传统的专家系统
• 2.3 系统相关的Web技术
• 2.3.1 JSP技术
• 2.3.2 XML技术
• 2.3.3 中间件技术
• 2.4 基于Web的专家系统
• 2.4.1 基于Web的专家系统的体系结构
• 2.4.2 基于Web的专家系统的控制流程
• 2.5 本章小结
• 第三章 系统设计的关键技术
• 3.1 知识获取
• 3.1.1 神经网络与知识获取的集成
• 3.1.2 反向传播神经网络知识获取框架
• 3.2 知识表示
• 3.2.1 知识的规则表示
• 3.2.2 "模糊加权产生式规则"的知识表示方法
• 3.3 知识库的构建
• 3.3.1 知识库与XML数据库
• 3.3.2 基于Native XML数据库的知识库设计
• 3.4 推理方法
• 3.4.1 不确定性推理方法
• 3.4.2 控制策略
• 3.5 本章小结
• 第四章 推理引擎的设计
• 4.1 推理引擎的结构
• 4.2 基于中间件的模糊推理引擎
• 4.2.1 中间件与Web专家系统
• 4.2.2 推理控制策略
• 4.2.3 模糊推理引擎的结构模型
• 4.2.4 不确定性传播的计算方法
• 4.2.5 加权不确定性推理方法
• 4.2.6 加权规则冲突消解策略
• 4.2.7 推理引擎的EJB设计
• 4.3 模糊解释器设计
• 4.3.1 解释器在专家系统中的作用及结构
• 4.3.2 解释器功能模块
• 4.3.3 解释机制实现
• 4.4 本章小结
• 第五章 系统的实现
• 5.1 系统开发环境介绍
• 5.2 综合数据库设计
• 5.2.1 事实的表现形式
• 5.2.2 综合数据库的内存组织方法
• 5.3 系统功能
• 5.4 系统优势
• 5.5 本章小结
• 第六章 结论
• 致谢
• 主要参考文献
• 附录