人工智能的出现是人类科学史上的一项重大贡献,而专家系统的出现更是使得人工智能从理论变为现实的一个重要里程碑。专家系统的出现对人类的许多生产生活都产生了重大的影响,当今时代,可以说只要有需求,专家系统就可以工作在任何需要人类工作的地方。正因为如此,对专家系统的深入研究有着广阔的前景和现实意义。国内外目前对专家系统的研究已经涉足许多领域,比如医疗、地质勘探、农业等。粮食问题是全世界人口的主要问题,因此,一大批农业专家系统的研究与应用对经济社会的发展做出了重要贡献。目前,对专家系统的研究主要集中在知识的表示和获取、体系结构以及推理机制的研究等方面。在此本文将着眼于专家系统的推理机制展开研究。不确定性推理是专家系统完成工作的一个非常重要的环节,目前,基于不同理论的不确定性推理模型已经广泛用于各类专家系统之中,本文在详细介绍了专家系统的两种典型不确定性推理模型：基于概率理论的不确定性推理和基于可信度的不确定性推理之后,又详细介绍了基于集对分析理论的不确定性推理模型。该推理方法和基于其它理论的不确定性推理的最大区别就是：基于集对分析的不确定性推理不是一味的强调将不确定性转化为确定性进行处理,而是用联系辩证的观点,将确定性不确定性作为一个系统,综合地处理不确定性信息。因此便能更好地处理现实世界中的模糊、不知道等不确定性信息,从而对处理现实世界中的不确定性信息有着独到的优点：旨在提高推理机推出结论的可靠性和推出结论速度的提高。本文在对基于集对分析的不确定性推理进行分析论证后,提出了作者的改进思路,即对对立度因子j的取值范围做出大胆假设,并利用计算取值法和随机取值法使对立度因子j的值为0,从而忽略确定/不确定性信息系统中的噪声信息,可以在确保推理可靠性的同时加快推理的速度,最后并用详尽的实验结果证明对基于集对分析的不确定性推理实际应用的可行性以及对其改进可以加快推理速度。