动物识别产生式系统,动物识别系统代码python

　　动物识别专家系统产生式系统问题定义系统实现规则，事实和产生式表达式类设计匹配序列推理机结果展示源代码

　　运行系统

　　规则库

　　规则是用来描述相应领域知识的产生式集合。它是产生式系统中问题求解的基础，其中领域知识表达的完备性、准确性和有效性将直接影响系统的性能和效率。因此，需要对规则库中的知识进行合理的设计和组织，检测和消除冗余或矛盾的知识。事实基础。

　　事实库用于存储推理过程中形成的初始事实、当前已知信息、中间结论和最终结论。很明显，事实库的内容是动态的，是不断变化的。推理机

　　推理机由一组程序组成。它控制和协调整个生产系统的运行，从而实现问题的推理和解决。通常分3步完成：匹配、冲突解决和操作。识别问题动物的专家系统是专家系统的一种流行的实验模型。它使用产生式规则来表示知识。共有15条规则，可以识别7种动物。这些规则既少又简单。它们可以被修改，可以添加新的规则，并且可以使用用于识别其他事物的新规则来替换这些规则。

　　该系统实现了规则、事实和产生式的表示。识别七种动物需要30个特征和事实，它们的编号从0到29。

　　String[] features={ 长毛，产奶，长羽毛，飞翔，产卵，食肉，犬科动物，爪子，眼睛盯着前方，有蹄，反刍，谭，斑点好飞翔，哺乳动物，鸟类，食肉动物，蹄类，企鹅，海燕，鸵鸟，斑马，长颈鹿，老虎和豹子。产生式规则由一个三维数组表示：

　　int[][][]expr=new int[][]{ { 0 }，{20}}，{{1}，{20}}，{{2}，{21}}，{{3，4}，{21}}，{{20，5}，{22}}，{{6，7，8}，{22}}，{{20，8}，{23}}，{{20，9}，{23}}，{{22，11，12类设计规则类：存储一个规则的前提和结论；能根据给定的条件判断规则是否满足(即能否得出规则的结论)；RuleRepository类：存储事实库和规则库，并实现推理引擎。错误识别专家系统类：继承自JFrame，interface类。//规则库，存储所有已知规则(产生式规则)list Rule rules=new ArrayList()；//事实库，动态变化列表整数条件=new ArrayList()；使用变量列表，很容易添加和删除现有的条件和事实。

　　匹配顺序在30个事实中：

　　String[] features={ 长毛，产奶，长羽毛，飞翔，产卵，食肉，犬科动物，爪子，眼睛盯着前方，有蹄，反刍，谭，斑点好飞翔，哺乳动物，鸟类，食肉动物，蹄类，企鹅，海燕，鸵鸟，斑马，长颈鹿，老虎和豹子。前20个是用户输入的特征，后面4个(哺乳动物、鸟类、食肉动物和蹄类)属于推理的中间结果，最后7个(企鹅、海燕、鸵鸟、斑马、长颈鹿、老虎和豹)

　　用户在事实库输入条件后(这些条件就是事实)，事实库并不是不变的。

　　比如用户输入0(“有毛”)和5(“吃肉”)，那么真实的事实库是(0，5，20)，因为匹配第一个规则：{{0}，{20}}时，有一个条件是0，所以可以得到规则1的结论(20)，这个结论也要加到事实库中。

　　所以在这15个产生式规则自上而下匹配的过程中，如果匹配到一个产生式规则，就要将这个规则的结论加入到事实库中；而且匹配规则是要注意顺序的也找到了。在上面的例子中，如果先匹配到规则5，那么此时事实库中只有(0和5)，无法得到中间结论22。

　　说明规则要按顺序排列，产生某数的规则(即结论是某数规则)要排在使用该数的规则(即条件是某数规则)之前。这15个结论正是按照这个顺序。

　　推理机有了上述顺序意识后，就很容易实现推理机：自上而下，从第一条产生式规则开始，判断当前事实库是否能匹配每条规则。如果匹配成功，该规则的结论号将被添加到事实库中，匹配完规则库中的所有产生式规则后即可输出结论(我的处理):

　　中间结论(哺乳动物、鸟类、食肉动物和蹄类)输出到推理箱，展示正向推理过程；最后(七种动物)框出相应的图片；因此，无法从演示中推断出任何结论(所有结论都不匹配):

　　介绍中间结果：

　　介绍了最终结果，并对动物进行了鉴定：

　　源代码已经上传到github(Java实现，IDE是IDEA)

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。