专家系统是人工智能和知识工程最为活跃的一个分支领域。专家系统中不精确性客观存在,目前已经发展到处理不精确性的模糊专家系统。在传统的模糊专家系统中,采用Fuzzy集来表达和处理知识的不确定性和不精确性。由于Fuzzy集存在不能完全表达知识模糊信息的缺点,Gau和Buehrer 提出了Vague集,更好地描述了模糊信息和数据的问题。模糊推理是模糊专家系统的核心,目前模糊专家系统使用的模糊推理机制基本上都是基于Fuzzy集的合成推理方法。通过讨论传统Vague集的相似度量方法的优缺点,提出了改进的相似度量方法,根据改进的相似度量方法得到相应的近似推理方法,分析了该推理方法在单规则和多规则情况下的应用。由于相似度量方法得到的相似程度的值始终小于或者等于1,得到结果Vague集不能反映其增减趋势,因此提出了基于Vague集性能的近似推理方法,根据规则和事实中的Vague集的性能,来得出结果Vague集,也分析了该方法在单规则和多规则情况下的应用。最后研制了基于Vague集相似度量近似推理方法的学生选择系别的模糊咨询系统。该系统可以根据学生考试评估、兴趣及对将来工作的适应性三个因素得出学生选择某个大学的系别的合适程度。Vague集很好地反映了影响学生选择系别的三个因素的模糊信息,所以得到的咨询结果符合实际。