智能模型

智能模型，也称为基于知识的软件开发模型，将上述几种模型集成在一起，并将专家系统集成在一起。该模型应用基于规则的系统，并采用归纳和推理机制来帮助软件开发人员完成他们的开发工作。为此，建立了知识库，分别在数据库中存储模型、软件工程知识和领域特定知识。

智能模型是集成了专家系统的基于知识的软件开发模型。该模型应用基于规则的系统，使用归纳和推理机制来帮助软件开发人员完成开发工作，并支持在系统规范级别进行维护。在该模型的实现过程中，需要建立知识库，将模型本身、软件工程知识和特定领域知识分别存储在数据库中。将基于软件工程知识的生成规则组成的专家系统与其他包含应用领域知识规则的专家系统相结合，形成该应用领域软件的开发系统。

智能模型，也称为基于知识的软件开发模型，将瀑布模型与专家系统结合起来，以帮助软件开发人员进行工作。该模型采用基于规则的系统，并采用归纳和推理机制在系统规范层面进行维护。该模型将基于软件工程知识的生成规则组成的知识系统与实现过程中包含应用领域知识规则的专家系统相结合，形成该应用领域软件的开发系统。使用智能模型的软件过程如下图所示:智能模型具有一组工具(如数据查询、报表生成、数据处理、屏幕定义、代码生成、高级图形函数、电子表格等)，每一种工具都使开发人员能够在高层定义软件的某些特性，并自动将开发人员定义的这些软件生成为源代码。这种方法需要第四代语言(4GL)的支持。4GL与第三代语言的不同之处在于，它的主要特点是其极其友好的用户界面，甚至允许未经训练的非专业程序员使用它编写程序;它是一种声明性、交互性和非过程性的编程语言。4GL还具有高效的程序代码、智能的默认假设、完整的数据库和应用程序生成器。目前市场上流行的4Gl，如Foxpro，都不同程度地具有这些特征。然而，4GL目前主要局限于交易信息系统的中小型应用程序的开发。

智能模型需要解决的问题是一个特定领域的复杂问题，涉及到大量的专业知识。开发人员通常不是这个领域的专家，他们对特定领域的熟悉需要一个过程。因此，在初始阶段很难完全定义软件需求。因此，实现原型模型需要多次迭代来细化软件需求。

智能模型以知识作为处理对象，既包括理论知识，也包括特定领域的经验。在开发过程中，需要从书籍和特定领域知识库中提取这些知识(即知识获取)，选择合适的编码方法(即知识表示)，并建立知识库。将模型、软件工程知识和领域特定知识分别存储到数据库中需要系统开发人员和领域专家之间的密切合作。
为智能模型开发的软件系统强调数据的意义，并试图用现实世界的语言来表达数据的意义。该模型可以探索现有数据并发现新的事实方法，以指导用户在专家级别解决复杂问题。以瀑布模型为基本框架，在不同的开发阶段引入原型实现方法和面向对象技术，克服了瀑布模型的不足，适用于特定领域软件和专家决策系统的开发。