物联网信息复习总结

物联网信息复习总结题型：判断10*2选择5*3填空5*3简答5*6应用2*10判断题部分1.规则是知识的一种表现方式。（√）2.产生式的基本形式是P—Q。（√）3.不确定知识是可以用不确定性的概率精确定义。（√）4.广度优先搜索原理，从树的根节点开始一层一层查找。（√）深度优先搜索原理，从左至右的查找每一个节点5.A=10.50.20当λ=0.8时,它的解矩阵为1100(×)0.510.1O.311000.20.110.8001100.20.810011更正:A矩阵中的数X≥O.8则解矩阵中填入1，数≤0.8，则解矩阵中填入06.人工智能的一种基本形式。（√）7.正向推理：从已知事实出发利用系统知识推结论。（√）反向推理：对于已知结论反推系统知识看已知事实的情况8.遗传算法的内涵起源于进化论和群体遗传学，进化论遵循适者生存优胜劣汰的法则。遗传学说基因遗传原理，认为遗传以密码方式存在细胞中，并以基因形式包含在染色体中。（√）9.粒子群算法：属于进化算法的一种，从低维空间的随机解出发，通过进化迭代寻找最优解，它是通过适应度来评析解的品质。（√）10.遗传算法有三种：选择算子、变异算子和交叉算子。（√）随机变异算子：随机选择一个基因将其变成相反数。插入变异算子：将染色体中随机选择一个基因并插入另一个位置。对换变异：染色体中随机选择两个算子并进行交换。11.粒子群算法中粒子无需赋以记忆功能即可由一个适应度函数判断适应值(×)更正：无论是否赋予粒子记忆功能都能判断适应值，且粒子必须赋以记忆功能才能记住飞过位置中最好的位置。12.知识库不是专家系统的组成部分。(×)更正：专家系统组成：事实数据库，知识库，推理机。13.推理是一个程序，协调规则库和数据库（√）推理机：知识的运用模式称为推理方式，知识的选择称为推理控制（决定推理效果和效率）演绎推理：根据公理系统把一个问题中包含在已知事实中的事实作为结论推导出来；非单调推理：常识推理大量依赖于默认信息（当且仅当没有事实证明S不成立时，S总是成立的）；定性推理：主要起源于现实中物理系统的研究。14.模式识别主要解决视觉和听觉的识别。（√）15.命题是判断事实真假的疑问句。(×)更正：命题是判断事实真相的陈述句。16.蚁群算法正反馈现象：出现蚂蚁越多选择概率越大。（√）选择题部分1.人工智能AI英文全称（ArtificialIntelligence）2.从已知事实出发按策略、知识库知识推出结论，是（正向推理）3.想要机器具有智能，要使机器具有知识，获取信息的过程称为（机器学习）4.隶属函数的确定有4个要素：①论域②U0③随动集合A*④隶属频率，哪个不包括（④隶属频率）更正：应为A*覆盖于U0的频率5.父代染色体：A100001交叉后子代：100110,该交叉方式为（单交叉位）B101110101001补充：多交叉位：染色体分为3段，子代任选三段组合。例如：100001-1001106.100个消费者，对5种商品X1，X2，X3，X4，X5进行好的评价，分别为：81,53,100,0,24。求模糊集表示方式：（A=0.81/X1+0.53/X2+1/X3+0/X4+0.24/X5）补充：先求隶属度：A(X1)=81/100=0.81;模糊集表示：A=A(X1)/X1+A(X2)/X2+A(X3)/X3+A(X4)/X4+A(X5)/X5;7.确定性的知识是指（可以精确表达的知识）8.不确定性推理：事实不确定性，知识不确定性，结论不确定性产生式推理：ifAthenB9.有如下定义，随意选中两点，将两点反序插入原位，这是什么变异（对换变异）110010101→111010001补充：逆转变异：选中两点叫逆转点，逆转点之间的基因逆转并插入原序列。简答题部分1.规则的基本形式是什么？规则的具体语义是什么？答：基本形式：ifPthenQ，即P→Q具体语义：P是前提，Q是结论，如果前提P满足则满足Q或可执行Q规定的操作。2.适应度函数在GA（遗传算法）中的作用？答：1、测量适应度，体现染色体适应能力的函数；2、有效地反映每一个染色体与最优染色体之间的差距。3.对10人调查关于青少年年龄区间的定义（随动A*），数据如下，现规定27属于青少年，求隶属度？18-30,15-25,17-28,16-26,17-27,18-29,20-25,20-3，2,21-31,22-35.答：隶属次数：7隶属频率：7/10=0.727属于集合的隶属度为多少：0.74.粒子群算法中公式如下，解释W,C1，C2代表的含义。Vid∧k=W*Vid∧(k-1)+C1r1(Pbest-Xid∧(k-1))+C2r2(gbest-Xid∧(k-1))答：W:遗传因子：继承先前速度的程度；C1：个体的认知：粒子当前位置与自己记忆过最好的位置之间的认知的程度；C2：社会经验：粒子间信息的共享。粒子当前的位置与群体最好位置之间的认知的程度；如果W=0，C1=0，C2=0代表的含义。W=0：粒子失去对本身速度的记忆；C1=0：无私型的粒子群算法：没有自身的记忆，只有群体；C2=0：自我认知型的粒子群算法：只有自我，没有社会，导致认知速度很慢；5.试述遗传算法GA的步骤：答：1、随机产生一个由固定长度染色体组成的（编码工作）初始的种群；2、对该种群迭代执行2.1和2.2，直到满足停止；2.1：计算种群适应度。2.2：通过选择复制交叉变异产生（遗传）下一代。3、把后代中出现的最好的染色体指定为算法执行最后的结果，这个结果可以表示为个体的一个解。6.选择算子在GA中的作用与缺陷答：作用：提高群体的平均适应值和最差适应值。最差适应值的点趋于被淘汰，高适应值点趋于被复制。缺陷：损失群体多样性，没有产生新的个体，最好的个体适应值会被改变。7.基于专家系统的规则。答：1、知识的获取、知识的表现形式，一切工作的基础；2、三要素：建立事实库、规则库、推理机；8.基于排名策略的选择算子应用题部分1.轮盘组算法：要求旋转轮盘后得到的一个数能推出轮盘指向的哪一块。写出代码；程序：intRWS(){intN=4;intP[N]={1,3,2,6};intm=0;intr=random(1,12);例：若产生一随机数为8for(inti=0;i=N;i++)m=0+1=1不大于等于r，则继续加{m=1+3=48,继续m=m+P[i];m=4+2=68,继续if(r=m)returni+1;m=6+6=128,此时P[i]=6，i=4;}即轮盘指向的④部分}2.已知40岁人群患病概率为1%，进行X光后，患病人群中阳性概率为80%，不患病人群中阳性概率为9.6%，求一个人进行X光后显阳性，他实际患病概率Pr为多少？答：令：患病为事件H，不患病为事件┐H；X光后阳性为事件E,X光后非阳性为事件┐E,P(H|E)为E事件下H事件发生的概率。P(H|E)=[P(H)*P(E|H)]/[P(H)*P(E|H)+P(┐H)*P(E|┐H)]；P(H)=1%,P(┐H)=99%,P(E|H)=80%,P(E|┐H)=9.6%；P(H|E)=（1%*80%）/(1%*80%+99%*9.6%)=0.078实际患病概率Pr=7.8%