一种改进的专家系统自学习算法的研究

摘要

基于证据推理的置信规则库推理方法(RIMER)已被提出,由此产生了一种新型专家系统—RIMER专家系统。该专家系统的学习训练模型是一个带有线性约束的复杂非线性优化模型,传统优化方法求解该类模型有一定困难和局限性。本文结合梯度法和二分法提出一种新的优化算法实现了RIMER专家系统的自学习。采用该算法对一个实例进行了训练,训练结果令人满意。训练实例表明新算法具有简单、速度快、收敛精度高等特点。