決策推理與決策支持系統(tǒng).ppt

《決策推理與決策支持系統(tǒng).ppt》由會員分享，可在線閱讀，更多相關(guān)《決策推理與決策支持系統(tǒng).ppt（64頁珍藏版）》請在裝配圖網(wǎng)上搜索。

數(shù)據(jù)倉庫與決策支持系統(tǒng),主講：魯明羽,大連海事大學(xué)信息科學(xué)技術(shù)學(xué)院 研究方向：智能數(shù)據(jù)分析與數(shù)據(jù)挖掘 電 話：13889576531 Email：lumingyu@,第二章 決策推理與決策支持系統(tǒng),本章內(nèi)容,人腦決策推理初探 電腦推理方法介紹 DSS中的決策過程 知識與知識表示方法,1. 人腦決策推理初探,推理（inference）：是由已知事實通過一定邏輯手段獲得未知事實的過程。 兩種主要的推理方法：演繹(deductive inference)和歸納(inductive inference),圖4.1 推理模型圖,1. 人腦決策推理初探,（1）演繹推理 演繹推理是從一般到特殊的推理，其中的已知事實部分一般為一般性的規(guī)則，而其未知部分則為個體事實。,圖4.2 演繹推理模型,1. 人腦決策推理初探,演繹推理是一種常用的推理方法，例如：數(shù)學(xué)中采用的基本方法，初等幾何中由公理推導(dǎo)定理的方法。 專家系統(tǒng)中也經(jīng)常采用演繹推理，例如醫(yī)學(xué)診斷專家系統(tǒng)。 兩種演繹推理方法： （1）三段論推理法 （2）反證法,1. 人腦決策推理初探,（2）歸納推理 歸納推理與演繹推理相反，是從特殊到一般的推理，其中的已知事實部分一般為大量個體事實，而其未知部分則為推導(dǎo)出的一般性規(guī)則。,圖4.5 歸納推理模型,1. 人腦決策推理初探,歸納推理也是一種常用的推理方法，例如現(xiàn)實生活中的一些諺語，就是通過人們通過對生活中的大量事實進(jìn)行總結(jié)歸納后得出的。 歸納推理得到的一般性規(guī)則，又可以用于演繹推理，指導(dǎo)我們的行為和決策。 （圖4.7 歸納-演繹推理過程） 數(shù)據(jù)挖掘就是采用了這個原理。,1. 人腦決策推理初探,（3）聯(lián)想和類比 從一些已知事實或知識，通過聯(lián)想，推出其他類似事物的知識。 （4）綜合與分析 根據(jù)對事物的宏觀（整體）知識推斷其微觀（局部）知識的方法稱為“分析”； 從事物的微觀（局部）知識推出其宏觀（整體）知識的方法稱為“綜合”。,1. 人腦決策推理初探,（5）預(yù)測 根據(jù)事物的過去和現(xiàn)在知識，來推斷未來的知識，或者從事物局部空間的知識，推斷其局部以外的情況。 （6）假設(shè)與驗證 根據(jù)經(jīng)驗作出假設(shè)，然后用邏輯推理或?qū)嵺`檢驗的方法獲得新的知識。有時會否定假設(shè)或部分修正假設(shè)，然后再作驗證，也可稱為“試探推理法”。,,2. 電腦推理方法介紹,電腦推理一般是模仿人腦的推理方式和過程，通過編制軟件完成。 2.1 電腦的演繹推理方法 （1）規(guī)則模型表示 一般性規(guī)則有兩種表示方法： 數(shù)學(xué)方法 人工智能方法,2. 電腦推理方法介紹,（2）基于數(shù)學(xué)模型的演繹推理 數(shù)學(xué)方法中一般采用數(shù)學(xué)模型，例如數(shù)學(xué)表達(dá)式、方程式等。 基于數(shù)學(xué)模型的演繹推理實際上是數(shù)學(xué)推演方法，一般將一些常用的演算方法作為固定算法，編程實現(xiàn)后存入方法庫中，例如最小二乘法、線性規(guī)則、回歸分析等。 數(shù)學(xué)建模和推理時則調(diào)用方法庫中算法。,2. 電腦推理方法介紹,（3）基于邏輯模型的演繹推理 人工智能常用的知識表示方法包括謂詞邏輯、語義網(wǎng)絡(luò)、Petri網(wǎng)、框架表示等。 其中最常見的是謂詞邏輯表示法，即將規(guī)則表示為一組數(shù)理邏輯中的一階謂詞邏輯的合法公式，采用一階謂詞的推理方法，以實現(xiàn)演繹推理。該推理過程實際上是一種定理證明過程，其規(guī)則一般為公理，而結(jié)果為個體事實，即推導(dǎo)出的定理。,2. 電腦推理方法介紹,20世紀(jì)60年代，美國科學(xué)家Robinson證明，存在一種統(tǒng)一的、固定的證明過程，對于所有的一階謂詞邏輯中的定理證明都基本有效，這就是所謂的謂詞邏輯的自動定理證明。 利用上述成果，可以將定理證明過程用一種統(tǒng)一算法表示并編程實現(xiàn)，從而使運(yùn)用人工智能方法進(jìn)行演繹推理可以用一種統(tǒng)一的程序或過程來實現(xiàn)。 用此方法所實現(xiàn)的軟件系統(tǒng)稱為推理引擎（inference engine）。,2. 電腦推理方法介紹,2.2 電腦的歸納推理方法 主要有兩種：驗證型歸納和探索型歸納。 （1）驗證型歸納 首先對于推理結(jié)果產(chǎn)生一些假設(shè)（模型）； 設(shè)計一個試驗環(huán)境，并置入設(shè)想模型； 啟動試驗過程，用大量個體事實做測試，通過人機(jī)交互將得到的結(jié)果與原設(shè)想做比較 如果結(jié)果不符，修改試驗，反復(fù)上述過程,2. 電腦推理方法介紹,（2）探索型歸納 沒有明確的假設(shè)模型，只有大致的目標(biāo)，一般采用數(shù)據(jù)挖掘技術(shù)實現(xiàn)，主要方法有： 關(guān)聯(lián)分析(association)：挖掘出潛藏在客體間的內(nèi)在相互聯(lián)系； 分類(classifier)：對待分類的客體集合進(jìn)行分析，找出每個分類的特征； 聚類分析(clustering)：對一組客體按某種規(guī)則聚為若干類。,,3. DSS中的決策過程,在DSS中，除了決策推理部分之外，還有數(shù)據(jù)倉庫部分。二者相結(jié)合，構(gòu)成了一個完整的決策過程。 3.1 DSS中的演繹型決策過程 在DSS中，演繹型決策過程是由演繹中的一般性規(guī)則與數(shù)據(jù)倉庫中的數(shù)據(jù)共同作為推理前提，通過演繹推理，最終得到個體事實數(shù)據(jù)作為結(jié)論。,3. DSS中的決策過程,基于不同推理模型，DSS的演繹型決策過程有不同的形式。,圖4.9 DSS中演繹型決策過程示意圖,3. DSS中的決策過程,圖4.10 DSS中基于數(shù)學(xué)模型的演繹型決策過程示意圖,基于數(shù)學(xué)模型的演繹型決策過程 數(shù)據(jù)倉庫數(shù)據(jù)作為數(shù)學(xué)模型中的參數(shù)輸入，而演繹推理則是通過方法庫中方法調(diào)用方式實現(xiàn)。,3. DSS中的決策過程,基于邏輯模型的演繹型決策過程 數(shù)據(jù)倉庫數(shù)據(jù)作為假設(shè)前提輸入，而演繹推理則是用推理引擎實現(xiàn)。,圖4.11 DSS中基于邏輯模型的演繹型決策過程示意圖,3. DSS中的決策過程,3.2 DSS中的歸納型決策過程 在DSS中，歸納型決策過程是由數(shù)據(jù)倉庫中的數(shù)據(jù)作為大量個體事實輸入，經(jīng)歸納推理而得到一般性原則。,3. DSS中的決策過程,（1） 驗證型歸納的決策過程 其歸納推理部分即為數(shù)據(jù)實驗室的人-機(jī)交互試驗，簡稱數(shù)據(jù)實驗室試驗。 OLAP是DSS常用的驗證型歸納推理。,圖4.13 DSS中驗證型歸納決策過程示意圖,,數(shù)據(jù) （數(shù)據(jù)倉庫）,一般性規(guī)則,數(shù)據(jù)實驗室 試驗,,3. DSS中的決策過程,（2） 探索型歸納的決策過程 其歸納推理部分即為各種類型算法調(diào)用。 數(shù)據(jù)挖掘是DSS常用的探索型歸納推理。,圖4.14 DSS中探索型歸納決策過程示意圖,,數(shù)據(jù) （數(shù)據(jù)倉庫）,一般性規(guī)則,算法調(diào)用,,3. DSS中的決策過程,3.3 包含推理的DSS總體結(jié)構(gòu)圖 DSS主要由數(shù)據(jù)倉庫與決策推理兩部分組成，加上結(jié)果展示模塊，構(gòu)成了完整的決策過程。如圖4.15所示。,,4. 知識與知識表示方法,知識庫：存放各種規(guī)則、因果關(guān)系和決策人員的經(jīng)驗等 推理機(jī)：綜合運(yùn)用知識庫、數(shù)據(jù)庫和定量計算的結(jié)果，進(jìn)行推理和問題求解。,DSS能夠有效支持單純用定量方法無法很好解決的半/非結(jié)構(gòu)化問題的求解，主要依靠知識庫和推理機(jī)的運(yùn)用。,4.1 基本概念,數(shù)據(jù)：客觀事物的屬性、數(shù)量、位置及其相互關(guān)系等的抽象表示 例如：,二元組：（面粉，白色） 三元組： (中國，亞洲，在東面) (+, 8, 5): 今年8歲的孩子5年后的年齡 五元組： (+, X, Y, Z): X+Y=Z,4.1 基本概念,信息：數(shù)據(jù)所表示的含義（語義），是對數(shù)據(jù)的解釋。 一般可用一組描述詞及其值來表示： （描述詞1：值，描述詞2：值，…）,例： （時間：2006.10.1, 地點(diǎn)：大連地區(qū)，天氣：晴朗，程度：十分）,4.1 基本概念,知識：以各種科學(xué)方式將多個信息關(guān)聯(lián)在一起形成的信息結(jié)構(gòu)。 原子事實：不與任何其他信息發(fā)生關(guān)聯(lián)的單獨(dú)信息，是知識的一個特例。,例： “他是軍人”、“他穿軍裝”均為原子事實； 而“如果他是軍人，則他穿軍裝”是一條常識性知識。 另外，“如果某地重度異常，則有鋁礦”是一條知識，但是不正確。,4.1 基本概念,知識的正確型類型： 正確，錯誤，部分正確，未知真假 知識的關(guān)聯(lián)形式多種多樣，可以是分層次的，即可以把知識解釋為一種分層次關(guān)聯(lián)的信息結(jié)構(gòu) 可以用BNF形式定義知識,4.1 基本概念,知識::=| | | | ::=|(的一個序列） ::= (的一個序列） ::=,4.1 基本概念,知識的分類 事實：指人類對于客觀事物屬性的值或狀態(tài)的描述，不包含任何變量，可以用一個值為真的命題陳述，或者用一種狀態(tài)的描述來表達(dá)。 例如：,大海是藍(lán)色的 我今年18歲 今天很熱,4.1 基本概念,規(guī)則：指可以分為前提（條件）和結(jié)論兩個部分，用以表達(dá)因果關(guān)系的知識。 一般形式為：如果A，則B A-B 可以用三段論推理形成一條推理鏈。,4.1 基本概念,規(guī)律：規(guī)則知識可分為帶變量和不帶變量兩種形式。將帶變量的規(guī)則稱為規(guī)律。 規(guī)律中的變量一旦被實例化為一個具體的值，則規(guī)律就變成了一條不帶變量的規(guī)則 一條規(guī)律通過變量實例化，可以派生出許多規(guī)則。因此，在這種意義上規(guī)律表示了一類知識，比規(guī)則更寬泛。,4.1 基本概念,知識的屬性 真實性：應(yīng)為經(jīng)過實踐檢驗的或者可用邏輯推理證明真?zhèn)蔚?相對性：在一定的條件和環(huán)境內(nèi)有效 不完全性：許多知識是部分正確的 模糊性：許多知識不是完全精確的,4.1 基本概念,可表示性：可用某種方式加以描述 符號，圖形，形態(tài)，等等 可存儲性：可存儲于人類大腦中，可以記錄在書本上，也可以存儲在電腦中。 可傳遞性：知識可通過某種媒體進(jìn)行傳遞。 可處理性：知識可以利用各種方法和工具進(jìn)行處理，從一種形式轉(zhuǎn)變?yōu)榱硪环N形式。,4.2 知識表示方法,4.2.1 一階謂詞邏輯 一階謂詞演算是一種形式語言，可用來表示各種“事實”，對知識表示和推理非常重要，在人工智能、知識工程等領(lǐng)域有重要作用。也可以作為知識庫系統(tǒng)的推理基礎(chǔ)。,4.2 知識表示方法,4.2.1.1 一階謂詞邏輯符號集及其知識表示 常量符號：用大寫字母A、B、C、D等表示 變量符號：用小寫字母x、y、z等表示 函數(shù)符號：用小寫字母f、g、h等表示 謂詞符號：用大寫字母P、Q、R等表示 邏輯符號： ? 否定 ? 合取 ? 析取 限定量詞： ? 存在量詞 ? 全稱量詞,4.2 知識表示方法,邏輯表達(dá)式構(gòu)成用語的定義 項（iterm） 變量和常量 若t1, t2, …, tn為項，則f(t1,t2,…,tn)為函數(shù) 原子邏輯式 若以p為謂詞符號，t1, t2, …, tn為項，則謂詞符號對于項的作用為：p(t1,t2,…,tn)是函數(shù),4.2 知識表示方法,謂詞演算語言---邏輯表達(dá)式的幾個實例 WRITE(STUDENT,PAPER) WRITE(x, y) ? WRITE(STUDENT,COMPUTER-CHESS) (?x) WRITE(x,COMPUTER-CHESS) MARRIED[father(JOHN),mother(JOHN)] LIVES(JOHN,HOUSE)? COLOR(HOUSE,YELLOW) OWNS(JOHN,CAR) = COLOR(CAR,GREEN),4.2 知識表示方法,4.2.2 語義網(wǎng)絡(luò)表示 1. 語義：是指語義學(xué)的符號和表達(dá)式同它所描述的對象之間的關(guān)系。 2. 語義網(wǎng)絡(luò)：以網(wǎng)絡(luò)形式表示人類知識構(gòu)造的一種圖形工具，是一種有向圖。,語義網(wǎng)絡(luò)既可以作為人類聯(lián)想記憶的心理學(xué)模型，又可作為計算機(jī)內(nèi)部知識表達(dá)的一種形式。 它既能表達(dá)事實性知識，也可以表達(dá)事實之間的聯(lián)系。,4.2 知識表示方法,3. 語義網(wǎng)絡(luò)中的符號 節(jié)點(diǎn)：語義網(wǎng)絡(luò)所描述的各種對象，表示各種事物、概念、屬性及知識實體，有標(biāo)識，并且可以是一個語義子網(wǎng)絡(luò)，形成分層描述。 有向邊（?。罕硎舅B接的語義對象之間存在的某種語義聯(lián)系（關(guān)系），也有標(biāo)識。 無向邊（短線）：語義網(wǎng)絡(luò)中的節(jié)點(diǎn)一般采用具有若干屬性的元組或框架來表示，由節(jié)點(diǎn)引出的帶標(biāo)識的短線（無向邊）表示各個屬性值,4.2 知識表示方法,由上圖可以看出，由于語義網(wǎng)絡(luò)中的下層節(jié)點(diǎn)可以繼承、補(bǔ)充或修改其上層節(jié)點(diǎn)的屬性值，因此能較好地表示對象之間的繼承和變異等概念，適于表示推理、聯(lián)想、歸納等邏輯概念，可根據(jù)其表示的知識來回答各種問題，驗證各種事實（定理），乃至模仿人腦的邏輯思維，演繹或歸納出圖中沒有直接表示出來的新知識。,4.2 知識表示方法,4. 語義網(wǎng)絡(luò)的形式描述 一個語義網(wǎng)絡(luò)SN可形式化地描述為： SN={ N, E } 其中，N 是一個以元組或框架表示的節(jié)點(diǎn)的有限集，節(jié)點(diǎn)上的元組或框架描述該節(jié)點(diǎn)的各種屬性值， E是連接N 中節(jié)點(diǎn)的帶標(biāo)識的有向邊的集合，有向邊上的標(biāo)識描述該有向邊所代表的語義聯(lián)系。,4.2 知識表示方法,語義網(wǎng)絡(luò)語法結(jié)構(gòu)BNF描述 ::=|Merge(, … ::= ::=(, …) ::=:屬性值 ::= | ,4.2 知識表示方法,5. 常用的語義聯(lián)系 ISA聯(lián)系：“是一個（只，條，種,…）聯(lián)系” “A ISA B”表示A是B的一個特例，B是比A更抽象的一個概念。 ISA聯(lián)系在語義上可以表達(dá)很廣泛的聯(lián)系： 子集/超集關(guān)系 廣義化/特殊化 --- 抽象化/具體化,4.2 知識表示方法,概念包含關(guān)系 槽(slot)值的限制關(guān)系。例如：大象的軀體是一個1.3米長的圓柱體。 集合及其特征類的關(guān)系。 集合及其元素間的關(guān)系 謂詞關(guān)系。例如：A是一個紅球---紅色（A）,4.2 知識表示方法,5. 常用的語義聯(lián)系 Subset-of/Superset-of聯(lián)系：A是B的子集/超集 AKO聯(lián)系：A kingd of聯(lián)系，例如：企鵝AKO鳥，因此“企鵝”可以繼承“鳥”的“有翼”屬性值，也有權(quán)更改“鳥”的“能飛”屬性值。 A-Member-of/A-Element-of聯(lián)系 A-Part-of聯(lián)系 Composed-of聯(lián)系,4.2 知識表示方法,5. 常用的語義聯(lián)系 Have聯(lián)系 Before/After/At聯(lián)系：時間關(guān)系 Located-At/On/Under/…聯(lián)系：位置關(guān)系 Similar-To聯(lián)系：相似或相近關(guān)系 Infer聯(lián)系：前提與結(jié)論間的推理關(guān)系 Possible-Reson聯(lián)系：是Infer聯(lián)系的反聯(lián)系,4.2 知識表示方法,4.2.3 產(chǎn)生式規(guī)則,產(chǎn)生式規(guī)則是由邏輯學(xué)家Post于上世紀(jì)40年代提出的，主要通過對符號串作替換運(yùn)算（稱為Post運(yùn)算）進(jìn)行推理，已被運(yùn)用于很多領(lǐng)域，例如：表示形式語言的語法，描述程序設(shè)計語言的編譯方法，或者用于各種推理系統(tǒng)的形式描述。 在產(chǎn)生式規(guī)則系統(tǒng)中，論域知識分為兩部分： （1）事實：各種靜態(tài)知識，如事物、事件和它們之間的關(guān)系。 （2）產(chǎn)生式規(guī)則：推理過程。,4.2 知識表示方法,由于這類推理系統(tǒng)的知識庫中主要存儲的是規(guī)則，因此又成為基于規(guī)則的系統(tǒng)（Rule-based system）,1、產(chǎn)生式規(guī)則的定義 一個產(chǎn)生式規(guī)則的一般形式為：P?Q 其中，Q表示一組前提或狀態(tài)，P表示若干結(jié)論或動作，其含義是：如果前提Q滿足，則可推出結(jié)論P(yáng)（或應(yīng)該執(zhí)行動作P）。,4.2 知識表示方法,在產(chǎn)生式系統(tǒng)中，一般利用一個解釋程序，以匹配-執(zhí)行的方式運(yùn)用產(chǎn)生式規(guī)則知識。即：當(dāng)右部Q能與一個已證結(jié)論集合（它最初由用戶或系統(tǒng)所提供的全部事實構(gòu)成）中的某個元素匹配（包括可能需要進(jìn)行變量替換后才能匹配），則可運(yùn)用該產(chǎn)生式，或推出結(jié)論P(yáng)，并將其納入已證結(jié)論集，或者執(zhí)行P所代表的動作等。 如此循環(huán)往復(fù)地運(yùn)用由一組產(chǎn)生式規(guī)則所表示的知識，以求得最終的結(jié)論，或解答問題，或證明定理。,4.2 知識表示方法,2、產(chǎn)生式的形式化描述及語義 ::=, … ::= ? ::=空|, … ::=空|, … ::=| ::=[(, …)] ::=[(, …)],4.2 知識表示方法,3、產(chǎn)生式規(guī)則應(yīng)用舉例 35-55歲的人稱為中年人 中年人是老練而細(xì)心的 老練而細(xì)心并且有駕駛技術(shù)的人不會出交通事故 吳連生43歲并且有駕駛技術(shù) 吳夫人37歲,問題：吳連生會出交通事故嗎？,4.2 知識表示方法,首先將上述知識用產(chǎn)生式表示： 中年人(x) ?年齡(x,y), 小于等于(y, 55), 大于等于(y, 35) 老練(x) ?中年人(x) 細(xì)心(x) ?中年人(x) 不會出交通事故(x) ?老練(x), 細(xì)心(x),有駕駛技術(shù)(x) 年齡(吳連生，43歲) ? 有駕駛技術(shù)(吳連生) ? 年齡(吳夫人，37歲) ?,4.2 知識表示方法,推理過程如下： 中年人(吳連生) ?年齡(吳連生，43歲), 小于等于(43, 55), 大于等于(43, 35) 老練(吳連生) ?中年人(吳連生) 細(xì)心(吳連生) ?中年人(吳連生) 不會出交通事故(吳連生) ?老練(吳連生), 細(xì)心(吳連生), 有駕駛技術(shù)(吳連生),問題：吳夫人會出交通事故嗎？,4.2 知識表示方法,4.2.4 框架理論,框架理論是由美國著名人工智能專家Minsky于上世紀(jì)70年代初期提出的。他從心理學(xué)的證據(jù)出發(fā)，認(rèn)為人們在日常的認(rèn)知活動中使用了大量從以前經(jīng)驗中獲取并經(jīng)過整理的知識。這種知識往往以一種類似于框架結(jié)構(gòu)的形式寄存于人腦中。,當(dāng)人們面臨新的情況，或者對問題的看法有重要變化時，總是從自己的記憶中尋找一個合適的框架，然后根據(jù)實際情況對其細(xì)節(jié)加以修改和補(bǔ)充，形成他對所觀察到的事物的認(rèn)識和處理方法。,4.2 知識表示方法,框架理論提供了一種知識組織結(jié)構(gòu)，其中新的知識將用從過去經(jīng)驗獲得的概念來解釋，使人們能夠利用已有經(jīng)驗處理新的問題，引起對有關(guān)事物的注意、回憶和推理，比較符合人們的思維習(xí)慣，因此，它是一種理想的結(jié)構(gòu)化知識表示方法。,框架是一種表示定型狀態(tài)的有層次的數(shù)據(jù)結(jié)構(gòu)，其頂層是固定的，表示某個固定的概念、對象或事件，其下層由一些稱為槽(Slot)的結(jié)構(gòu)組成。每個槽可按實際情況用一定類型的實例或數(shù)據(jù)所填充（也稱賦值，所填充的內(nèi)容稱為槽值）。下層的槽可以是一個能夠進(jìn)一步分層的子框架。,4.2 知識表示方法,相互關(guān)聯(lián)的框架連接起來構(gòu)成框架系統(tǒng)，或稱框架網(wǎng)絡(luò)。不同的框架網(wǎng)絡(luò)通過信息檢索網(wǎng)絡(luò)，由可組成更大的網(wǎng)絡(luò)，代表一塊完整的知識模塊,1、框架理論的運(yùn)用 （廣義）匹配：尋找一個其槽值與已知項目[a, b, …z]一致的框架 讓步：當(dāng)無法尋找到一個與給定項目完全匹配的框架時，則可重新尋找新的框架，或者做出一些讓步，接受一個相近的框架 相似網(wǎng)絡(luò)：相似框架按照相似度用指針相連，形成一個檢索網(wǎng)絡(luò)。,4.2 知識表示方法,2、框架的形式化描述及語義 ::= [] ::=框架名 ::=| (, …) ::= ::=約束, … 框架名::= 約束::=,4.2 知識表示方法,::=, … ::= ::=| ::=| | || ::=|||… ::=|,…| ,4.2 知識表示方法,3、框架系統(tǒng)的預(yù)定義槽 ISA槽 Subclass/Superclas槽 AKO槽 Instance槽 Part-of槽 Have槽 Before/After/At槽,4.2 知識表示方法,3、框架系統(tǒng)的預(yù)定義槽 Locate-At/-On/-Under/-Inside/-Outside槽 Similar-To槽 Near-to槽 Infer槽 Possible-Reson槽 Classification槽 …,,