Изучение метода выявления знаний от экспертов и обработка экспертных оценок

Страницы работы

Содержание работы

Министерство образования РФ

КузГТУ

Кафедра информационных и

автоматизированных производственных систем.

 Выявление знаний от экспертов и разработка экспертной системы на основе теории Байеса.

                                                                                    Составители: Протодьяконов А. В.

                                                                                                              Хабаров Д. В.

                                                                         Кемерово 2004

Цель работы: изучить метод выявления знаний от экспертов, обработку экспертных оценок, а также составить свою базу знаний для экспертной оценки заданной ситуации.

Вся работа делится на несколько этапов:

1)  Определение компетентности экспертов.

2)  Определение экспертных оценок.

3)  Составление базы знаний.

4)  Тестирование работы программы.

На первом этапе подгруппа делиться на экспертные группы по три человека (т.к. группа состоящая из большего числа экспертов несколько увеличивает время выполнения работы, а меньшее количество экспертов в группе ведет к недостаточной объективности решений). Каждому эксперту группы предлагают выбрать кого бы они хотели видеть в этой группе (на основе компетентности этого человека в данном вопросе) по данным опроса составляется матрица компетентности экспертов, на против имени эксперта в строке, если эксперт проголосовал положительно за другого – записывается 1, если против – 0, т.е. , если j-й эксперт назвал i-го, и ,  если j-й эксперт не назвал i-го. При этом эксперт может включать себя или не включать в экспертную группу.  

          Пример: эксперт  «a» проголосовал за   «b»  и «c», «b» за «b» и «c»,  а «c» решил включить в группу только себя. Получим матрицу компетентности:

     a

    b             

      c

      a

     1

      1

     1

      b

      0

      1

     1

   c

      0 

      0

     1

Затем вычисляем значение компетентности для каждого эксперта по формуле:

На втором этапе нам необходимо определить экспертные оценки. Для этого задается определенная ситуация и факторы, влияющие на результат. Например эксперты определяют степень влияния двух факторов х1 и х2 на исход ситуации:

 


      a

   b

    c

(х1)

     0,3

     0,5 

     0,2

(х2)

      0,7

     0,5

       0,8

При этом необходимо учитывать, что оценка даётся числом в интервале [0…1], причем 1 – это максимальное положительное влияние, 0 – максимально отрицательное, 0,5 – не влияет на исход. Зададим требуемую точность Е=0,001.

    Теперь мы можем дать групповую оценку эффективности:

     -групповая оценка для i-го объекта на t-м шаге на основе  

                                            индивидуальных оценок

                   - нормировочный коэффициент.

  - коэффициент компетентности j – го эксперта на i – м шаге.

                          - коэффициент компетентности m – го эксперта из условий 

                                                    нормирования.

                - признак окончания итерационного процесса.

Средние оценки объектов первого приближения будут равны:

Из результата видно, что полученная точность не является достаточной. Вычисляем нормировочный коэффициент:

Значения компетентности первого приближения примут значения:

Вычисляем групповые оценки второго приближения:

Эти результаты удовлетворяют заданной точности Е=0,001.

На третьем этапе предстоит составить базу знаний. Она будет выглядеть (её необходимо набрать в текстовом редакторе, например блокноте, и сохранить с расширением *.mkb) следующим образом:

Пример простой базы знаний с чёткой логикой, решающей задачу классификации.

Вопросы:

Насколько уместно в данном случае мероприятие 1?

Насколько уместно в данном случае мероприятие 2?

Вероятность заданного результата, 0.5, 1,0.323135392,0,5, 2,0.676864608,0.5

Вероятность другого результата, 0.5, 1,0.5,0.5, 2,0.5,0.5

После результата через запятую записывается начальная вероятность (0.5) исхода, затем, номер вопроса и влияние положительного ответа на этот вопрос и на другие вопросы(в нашем случае нет влияния на другие вопросы т.е. 0.5:  1,0.323135392,0,5,).

После запуска «Малой экспертной системы» увидим следующее:

 


                                                          Рис 1. Вид программы.

Оценку вероятности результата необходимо давать в интервале [-5, 5].

Пример выполнения работы:

Задание: Определить возможные способы увеличения пропускной способности моста. Это необходимо для того, чтобы не было пробок перед мостом в «часы пик».

    Возможные варианты решения:

1)  Достроить новый мост.

2)  Увеличить скорость движения на существующем мосте.

3)  Придумать свой вариант решения.

    Факторы, влияющие на исход решения:

Достаточно ли средств в бюджете города?

Высока ли надёжность моста?

Удовлетворяют ли сроки строительства моста?

Возможна ли перепланировка существующего моста?

Представляет ли опасность сейсмическая обстановка в регионе в ближайшие десятилетия?

+ 5 факторов необходимо придумать самим.

Это будет, например:

Планируется ли в ближайшее время увеличение загруженности моста (увеличение трафика)?

Имеются ли в близи данного моста другие, более надёжные?

Существующий мост был построен достаточно давно?

Часто ли происходят ДТП на мосту?

Возможно ли расширить существующий мост таким образом, чтобы было более двух полос для движения в каждом направлении?

Свой вариант решения возьмем, например,  расширение существующего моста.

Работу необходимо сделать в “EXСEL”-е, т.к. это существенно облегчает её выполнение.

Для начало определим компетентность экспертов:

Получим матрицу компетентности:

     a

    b             

      c

      a

     1

      1

     1

      b

      0

      1

     1

   c

      0 

      0

     1

Затем вычисляем значение компетентности для каждого эксперта по формуле:

Похожие материалы

Информация о работе