資訊不確定的問題是大多數資訊處理系統必須經常面對的問題, 尤其是專家系統在作
自動推理時, 更須對不確定的資訊作適當地處理。因此, 專家系統在資訊不確定的環
境下, 必須具有作不確定推理的能力。由於在一個真實的環境中, 外界可能會有非常
多的資訊輸入到一個規則式決策系統, 而且這些資訊也可能是不確定的, 而此時我們
如欲以述語邏輯的方法去設計此系統, 將是不切實際的, 因為述語邏輯在執行時速度
太慢, 以致不適合於及時之應用。因此, 本論文旨在以命題邏輯為基礎, 發展一些很
有效率的不確定推理演算法, 以使規則式系統在資訊不確定的環境下, 能快速且自動
的作不確定推理, 從而協助其使用者作決策。
本論文根據乏晰生產規則之知識表示法, 提出乏晰派翠綱路模式(FPN) 和擴增式乏晰
規則矩陣之知識表示法, 以塑模乏晰生產規則。在論文中我們亦提出延伸式乏晰生產
規則及擴增延伸式乏晰規則矩陣之知識表示法, 以更彈性的方式來表現專家的知識。
根據乏晰生產規則、乏晰派翠綱路模式、擴增式乏晰規則矩陣、延伸式乏晰生產規則
、擴增延伸式乏晰規則矩陣、及乏晰規則矩陣之遞移封閉, 我們分別提出一些很有效
率的不確定推理演算法, 以使規則式系統能快速且自動地作不確定推理。本論文所提
的各個不確定推理演算法皆能在資訊不確定的環境下, 有效的協助系統的使用者作決
策。因為各演算法皆有其適用情形, 所以在設計系統時我們可根據所選用的知識表示
法及使用者輸入資訊的形式而選用最適合的演算法以作不確定推理, 從而協助其使用
作決策。

中文摘要
英文摘要
附圖
附表
誌謝
目錄
第一章　緒論
1.1　不確定性考驗專家系統
1.2　研究動機與目的
1.3　研究方法
1.4　論文組織
第二章　以乏晰生產規則為基礎作不確定推理
2.1　知識表示
2.2　乏晰生產規則
2.3　不確定推理技術
2.4　乏晰集理論
2.5　匹配函數
2.6　不確定推理演算法－Algorithm-A
2.7　實例說明
2.8　本章結論
第三章　以乏晰派翠網路為基礎作不確定推理
3.1　乏晰派翠網路
3.2　可達集合和立即可達集合
3.3　不確定推理演算法－Algorithm-B
3.4　可達樹之有限性分析
3.5　實例說明一
3.6　不確定推理演算法－Algortitm-B*
3.7　實例說明二
3.8　本章結論
第四章　以擴增式乏晰規則矩陣轉換法為基礎作不確定推理
4.1　乏晰規則矩陣和真值狀態向量
4.2　乏晰規則矩陣轉換法
4.3　擴增式乏晰規則矩陣和擴增式真值狀態向量
4.4　不確定推理演算法－Algorithm-C
4.5　實例說明
4.6　不確定推理演算法－Algorithm-C*
4.7　本章結論
第五章　以延伸式乏晰生產規則為基礎作不確定推理
5.1　延伸式乏晰生產規則
5.2　延伸式乏晰生產規則之不確定推理技術
5.3　以擴增延伸式乏晰規則矩陣轉換運算作不確定推理
5.4　不確定推理演算法－Algorithm-D
5.5 實例說明
5.6 不確定推理演算法－Algorithm-D*
5.7　本章結論
第六章　以乏晰規則矩陣之遞移封閉為基礎作不確定推理
6.1　乏晰規則矩陣之遞移封閉
6.2　擴增式乏晰規則矩陣之遞移封閉
6.3　不確定推理演算法－Alogrithm-E
6.4　實例說明一
6.5　擴增式乏晰規則矩陣之遞移封閉
6.6　不確定推理演算法－Algorithm-F
6.7　實例說明二
6.8　本章結論
第七章　結論
7.1　本論文之主要貢獻
7.2　未來之研究方向
參考文獻
附錄