21、多分类波纹循环规则（MCRRR）方法解析与评估

多分类波纹循环规则（MCRRR）方法解析与评估

1. 引言与背景

知识系统的客观评估向来颇具挑战。一方面，很难让专家投入时间参与系统训练，更不可能让他们多次对同一系统进行训练；另一方面，要准确衡量系统的正确性和最优性也十分困难，因为难以说服专家或其他独立专家事后验证系统结果。而且，不同专家对“正确”的定义存在差异，在系统训练过程中的表现也可能不一致。因此，多次评估多位专家的意见是很有必要的，但由于专家资源稀缺且时间宝贵，这种评估方式很少实现。

为解决这一问题，模拟专家被用于评估新的专家系统方法，尤其是在波纹下降规则（RDR）相关研究中。在开发了一种新的基于RDR的方法后，由于难以获取合适领域的人类专家进行评估，研究人员决定再次使用模拟专家进行评估，但该方法的特性要求对现有的模拟专家评估过程进行一些修改。

2. 波纹下降规则（RDR）概述

RDR方法采用真假二叉树结构，确保规则的添加具有上下文关联性。以下是一个简单的RDR知识基示例：

graph TD;
    A[Rule 0] -->|TRUE| B[Rule 1: IF X>4, ClassA];
    B -->|TRUE| C[Rule 2: IF Y<3, ClassB];
    B -->|FALSE| D[Rule 7: IF Z<9, ClassE];
    C -->|TRUE| E[Rule 3: IF Z==3, ClassC];
    C -->|FALSE| F[Rule 5: IF Y<3, ClassB];
    D -->