[论文解读] A literature review on current approaches and applications of fuzzy expert systems

Mina Rajabi, Saeed Hossani+1 more|arXiv (Cornell University)|Sep 18, 2019

Fuzzy Logic and Control Systems被引用 10

一句话总结

本篇文献综述分析了2008年至2018年间模糊专家系统（FES）的演变、应用及趋势，综合了来自期刊和会议的60项研究。研究发现，出版数量持续增长，尤其在医疗和工业应用领域；混合FES在森林火灾规模预测中达到81.2%的准确率，在云类型分类中达到88.25%的准确率，均基于模糊推理系统。

ABSTRACT

The main purposes of this study are to distinguish the trends of research in publication exits for the utilisations of the fuzzy expert and knowledge-based systems that is done based on the classification of studies in the last decade. The present investigation covers 60 articles from related scholastic journals, International conference proceedings and some major literature review papers. Our outcomes reveal an upward trend in the up-to-date publications number, that is evidence of growing notoriety on the various applications of fuzzy expert systems. This raise in the reports is mainly in the medical neuro-fuzzy and fuzzy expert systems. Moreover, another most critical observation is that many modern industrial applications are extended, employing knowledge-based systems by extracting the experts' knowledge.

研究动机与目标

• 识别并分类过去十年中模糊专家系统（FES）的主要研究趋势。
• 评估FES在医学、工业和环境科学等关键领域中的性能与应用范围。
• 分析出版重点的转变，特别是神经模糊系统研究的减少与工业及医疗FES应用的上升。
• 评估混合FES模型在不确定性环境下提升决策能力的作用。
• 基于近期文献，提供FES框架、组件及实现工具的结构化概述。

提出的方法

• 对60篇经同行评审的学术期刊文章、国际会议论文及主要综述论文进行了系统性文献回顾。
• 利用Elsevier Scopus数据库的数据，按领域（如医学、工程、农业）对出版物进行分类。
• 分析1953年至2018年的出版趋势，重点关注2008年至2018年期间以评估近期发展。
• 基于模糊化、推理规则、规则库和解模糊化组件，评估FES架构。
• 研究将模糊逻辑与其他人工智能技术（如神经网络）结合的混合系统在实际应用中的表现。
• 使用统计可视化（图表与表格）展示按领域、出版类型（期刊/会议）及应用领域划分的出版物分布情况。

实验结果

研究问题

• RQ1 2008年至2018年间，模糊专家系统的主要研究趋势与应用领域是什么？
• RQ2 FES的出版数量与关注领域随时间如何演变，特别是在医疗与工业背景下的变化？
• RQ3 混合模糊专家系统在森林火灾规模预测与云类型分类等实际预测任务中的表现如何？
• RQ4 尽管初期前景良好，为何神经模糊专家系统的研究出版物数量却呈下降趋势？
• RQ5 在FES研究领域中，哪些期刊与会议具有最高的影响力？

主要发现

• 模糊专家系统的研究出版数量从1983年每年不足10篇稳步增长至2018年超过1,000篇，表明学术界与工业界兴趣持续上升。
• 出版物占比最高的领域为计算机科学（29.4%）、工程学（28.8%）和数学（12.4%），其中期刊出版占50%，会议论文占43.6%。
• FES在医疗与工业应用中的增长最为显著，尤其体现在诊断、治疗预测及不确定性下的流程优化方面。
• 一种混合FES模型在使用UCI森林火灾数据集预测火灾规模时达到81.2%的准确率，显示出其在环境风险评估中的强大性能。
• 基于卫星数据的模糊推理系统在云类型分类中达到88.25% ± 0.5的准确率，验证了FES在气象学应用中的有效性。
• 尽管早期表现良好，神经模糊专家系统的研究出版物数量持续下降，表明研究重心正向更专业化与应用导向的FES发展转变。