Вопрос 10 Постановка задачи экспертной классификации с явно заданными признаками при построении баз знаний для экспертной системы диагностики

Формальная постановка задачи классификации

ЭС- это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.

Подход экспертной классификации предназначен для построения полных, непротиворечивых и точных баз экспертных знаний в задачах отнесения объектов к различным классам решений.

Основные черты подхода экспертной классификации:

- структуризация проблемы;

- предъявление эксперту описаний объектов в привычном для эксперта виде;

- распространение решений эксперта на другие состояния (объекты) при помощи отношения доминирования по характерности;

- проверка информации эксперта на непротиворечивость;

- эффективная стратегия опроса эксперта.

Задачами классификации с явно заданными признаками назовем такие задачи, в которых искусство эксперта проявляется в основном в умении «увидеть» через заданную совокупность значений отдельных признаков целостный образ объекта.

Задачи классификации с явными признаками широко распространены в человеческой практике.

Задача классификации с явными диагностическими признаками может быть сформулирована следующим образом.

Дано: N - число диагностических признаков; S_i - число упорядоченных и, как правило, вербальных оценок качества на шкале i-гo диагностического признака; Х_i= {х_1i, х_2i; ..., х_si;} - множество оценок на шкале i-ro признака; Q - количество диагностических классов (P₁,P₂,...,P_Q), к которым могут принадлежать классифицируемые объекты.

Декартово произведение А шкал признаков определяет множество всех гипотетически возможных состояний, описываемых диагностическими признаками. Состояние а_i  А, описывается вектором (а_i1, a_i2,...,a_iN), где j-м компонентом является одно из значений на шкале i-гo диагностического признака.

Требуется: на основе знаний эксперта классифицировать все векторы а_i, отнеся каждый из них к одному или нескольким классам решений.

Особенностью данной постановки задачи является следующее. Предположим, что эксперт (врач, геолог, инженер) определил полный набор диагностических признаков, необходимых ему при решении задачи классификации. Этим задается полное пространство всех возможных состояний объекта исследования (больного, месторождения, механизма и т.д.). В приведенной выше постановке задачи ставится целью построение полной классификации, т.е. классификации всех возможных состояний объекта исследования.

В отличие от этого в других постановках речь обычно идет о выявлении какой-то части решений.

Данная постановка задачи основана на предположении, что эксперт обладает полнотой знаний и необходим подход, позволяющий их выявить.

Дополнительная информация

Гипотеза о характерности

При получении информации от эксперта активно используется гипотеза о различной характерности значений диагностического признака по отношению к каждому из классов. Иначе говоря, предполагается, что эксперт может упорядочить все значения каждого диагностического признака по их характерности для каждого из классов решений и что это упорядочение не зависит от значений других признаков.

Возьмем i-й диагностический признак. Два любых значения на его шкале x_li и x_kj находятся в следующем отношении характерности для класса Рj:

x_li, x_kj D_Рj

где D_Рj - отношение доминирования по характерности для класса Pj. Другими словами, мы ввели бинарное отношение доминирования для значений одного диагностического признака (x_li более характерен для класса Pj).

Используя бинарные отношения характерности по отдельным признакам, можно построить отношение доминирования по характерности для каждого класса Pj на множестве состояний (векторов а_i):

(a_i, a_j) D_Рj

если для каждого из диагностических признаков значение соответствующего компонента вектора а_i не менее характерно по отношению к классу Рj, чем значение компонента вектора аj, и хотя бы для одного компонента более характерно, то выполняется условие доминирования по характерности, приведенное выше.

Использование гипотезы о характерности позволяет существенно уменьшить число вопросов эксперту, необходимое для построения полной классификации.

Проверка информации эксперта и гипотезы о характерности

Как отмечалось, не ошибающихся экспертов не бывает. Поэтому информацию эксперта следует подвергать проверке, основанной на использовании условий доминирования по характерности.

Формально такую проверку можно представить следующим образом. Пусть на каком-то этапе диалога «компьютер-эксперт» состояние а_i было отнесено к классу Pj: а_iРi. После каждого ответа эксперта осуществлялось распространение по доминированию. Построенные конусы доминирования по характерности в общем случае пересекаются. Это означает, что некоторые состояния могут быть классифицированы несколько раз. Предположим, что при этом классификации какого-то состояния a_v различаются. Тогда, например, (a_v,a_j)  D_Pi, но aj Рj т.е. a_v более характерно для класса Рi, чем a_j, однако a_v оказалось отнесенным (при другом ответе эксперта) к классу Р_l. Этот факт может быть как ошибкой эксперта, так и проявлением зависимости диагностических признаков.

При выявлении противоречия в классификации компьютер предъявляет эксперту на экране описания двух состояний и просит еще раз их проанализировать. Если эксперт обнаруживает свою ошибку, он ее устраняет и опрос продолжается. Если эксперт подтверждает обе противоречивые классификации, то:

- с помощью эксперта выделяется подмножество зависимых диагностических признаков;

- эти признаки объединяются в один агрегированный признак, не зависящий от остальных.

Аналитические оценки показывают, что в среднем около 25% ответов экспертов проверяются, что позволяет считать созданную базу знаний непротиворечивой и надежно отражающей экспертные знания.

Литература

1. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. — СПб.: Питер, 2000,

3. Искусственный интеллект: Справочник. В 3-х кн. Кн. 1. Системы общения и экспертные системы/Под ред. Э.В. Попова. - М.: Радио и связь, 1990.

4. Искусственный интеллект: Справочник. В 3-х кн. Кн. 2. Модели и методы/Под ред. Д.А. Поспелова. - М.: Радио и связь, 1990.

5. Искусственный интеллект: Справочник. В 3-х кн. Кн. 3. Программные и аппаратные средства/Под ред. В.А. Захарова, В.Ф. Хорошевского. - М.: Радио и связь, 1990.

32