无人驾驶感知篇之融合（八）

      昨晚半夜做核酸，寒风凛凛，大白们也是蛮辛苦的！感谢抗疫一线的医生们！希望疫情早点结束吧！祈祷，祈祷！今天咱们主要讲讲融合算法中的产生式规则法。产生式规则法：产生式规则法主要采用符号表示目标特征和相应传感器信息之间的联系，与每一个规则相联系的置信因子表示它的不确定性程度。当在同一个逻辑推理过程中，2个或多个规则形成一个联合规则时，可以产生融合。

1.产生式规则的组成

       一个产生式系统包括以下三部分：综合数据库、规则库和控制系统。综合数据库用来存放与求解问题有关的数据。知识库即规则库存放与求解问题相关的知识。控制系统是匹配事实与知识的前提， 确定可选用的知识，运用知识或操作对综合数据库进行增、删、改等动作#判定数据库的状态并适时终止系统的运行。如下图

2. 产生式规则

       在产生式系统中#知识库中的知识都是以 产生式规则的形式来表示的)产生式规则是产生式系统的主体，是产生式系统知识表示的核心。所谓产生式规则就是采用产生式表示法表示规则的一种形式。产生式规则常用于表示具有因果关系的知识，其基本形式是PQ,在语义上它表示如果P则Q的因果。在 PQ中，P可以是一个或多个前提,并且各个前提之间只能是合取的关系。在对知识进行产生式规则表示时，首先将各个规则用命题演算法转换成若干只有合取的规则，即消除析取连接的规则。

3.产生式系统的知识表示

      产生式系统的知识表示方法主 要包括规则的表示和事实的表示。产生式规则通常可用数 据表来表示，包括规则号、前提、结论等字段。有时为了表明规 则前提推出结论的可信程度，数据表还需要加上置信度这一字 段。事实知识则是存放在综合数据库中，事实的表示一般 采用特性-对象-取值三元组表示，以这种形式描述事物与事 物之间的关系比较适合关系数据库实现。有时，为了进一步描述不完全知识，事实还可以表示为特性-对象-取值、可信度四元组，其中可信度是对事实确定性程度的数值度量。

4.产生式系统的推理机制

       控制系统对产生式规则的使用 主要有两种方法：数据驱动和目标驱动。数据驱动又称为正向推理，指的是从现有事实出发，搜索知识库中的规则并检查事实是否与规则的前提条件相符，不断进行直到预期目标实现。 目标驱动又称为反向推理，即从目标出发，寻找以此目标为结论的规则，并对该规则的前提进行判断，反复直至 能够对某规则的前提进行判断。若是既为正向推理又为反向 推理方式，则称为双向推理)在推理过程中，当有多条规则可 以匹配时，应重视规则匹配之间的冲突消解问题。