第九节 空间决策信息模型
五、空间决策分析的知识处理方法
由于空间决策分析过程是利用问题领域的专业知识，运用领域专家解决问题的知识推理方法来解决各特定领域中的实际问题。因此，空间决策分析过程的实质是知识处理。
知识处理的特点：
（1）知识包括事实和规则（状态转变过程）；
（2）适合于符号处理；
（3）推理过程具不固定形式；
（4）能得出未知的事实。
举例说明：求解微积分问题，需要用到30～40条微积分公式，这些微积分公式就是规律性知识，属于程式性知识，它们适合于符号处理；求解微积分问题就是运用微积分公式进行反复处理，最后得出该问题的结果。这个推理过程是一个不固定形式的推理，前后用哪个公式，调用多少次这些公式都随问题的变化而变化。
知识处理包括知识表达和知识推理。
1．知识表达
1）知识表达形式
效果最好的知识表示形式是产生式规则。其它知识表示形式，如语义网络、框架、过程性知识等，单独使用的不多，大多是以产生式规则为主体，增加和扩展使用语义网络、框架和过程性知识。
产生式规则的知识表示：
产生式规则的知识一般表示为：if A then B，简化为A→B（产生式规则），意思是：如果A成立，则B成立。
产生式规则的知识表示具有如下特点：
1．相同的条件可以得出不同的结论。
如：A→B A→C
2．相同的结论可以有不同的条件来得到。
如：A→G B→G
3．条件之间可以是“与”（AND）连接和“或”（OR）连接。
如：A∧B→G A∨B→G
4．一条规则中的结论，可以是另一条规则中的条件。
如： A∧B→G G∧D→P
由于以上特点，由产生式规则表示的知识集能够应用不同的知识推理方法，如正、反向推理来灵活地解决各种不同的实际问题；能够把知识集中的所有规则连接成一棵“与或”推理树（知识）树。
在产生式规则A→B中，前提条件A和后续结果B都是由对象及其事实组成。对象是决策模型在决策过程中完成推理的基本单元。一个对象可以拥有许多属性，而各个属性值就组成了对象的事实。对象分为具有确定事实的确定性对象和具有不确定事实的模糊性对象，对象事实的表达具有六种格式：数字、二进制、单值、多值、模糊值和算式表达。
2）知识的精确程度
由于专家的大部分决策都是在知识不确定的情况下作出的，因此，在决策模型的实际应用过程中，经常使用可信度CF（Certainty Factor）来表示事实和规则的确信程度。
造成事实不确定性的因素有含糊性、不完全性、不精确性、随机性和模糊性。事实的不确定性用可信度CF值表示，CF的取值范围为：
0≤CF≤1或0≤CF≤100
例如：“肺炎CF=0.8”表示某病人患肺炎的可信度为0.8。
实际问题中，专家的规则大多是经验性的，不是精确的。精确规则主要是公式、公理以及定律、定理。经验性规则具有不确定性，其不确定性用可信度CF值表示。