智能呼叫中心是将呼叫中心与人工智能特别是专家系统相结合，利用专家系统向呼叫中心用户提供专家级服务以提高呼叫中心的服务质量，同时降低呼叫中心坐席代表的工作强度。由于传统音频电话的广泛应用，通过传统电话访问专家系统不失为一项好的选择，但这里需要解决人机交互不便、高效推理等一系列问题。减少推理过程中的人机交互次数必须设计一个高效的推理算法，采用模糊决策树(FDT)推理是一个有效的手段。人类专家通常都是采用模糊的专家知识解决实际问题，因此本项研究的基本工作是在呼叫中心的环境下，将模糊的产生式推理规则转换成基于FDT的推理模型以及建立相应的推理控制机制。 (1) 提出了模糊产生式规则转化为模糊决策树的两个算法，实现了呼叫中心环境下，模糊知识表示形式的转化。算法以分类不确定性度量G作为核心概念。 (2) 设计了基于模糊决策树的模糊知识表示与可信度的计算模型、以及基于本模型的一种启发式搜索算法。 在掌握不确定性分类理论的基础上，通过大量验证性运算，舍弃了较为熟悉的FID3的核心概念模糊熵，最终以Min-Ambiguity中使用的分类不确定性度量G作为构造模糊决策树推理模型的理论概念基础。在由产生式向模糊决策树转化阶段，分三种情况来讨论，并加以算例：第一种是没有领域知识，只有大量的事例数据；第二种是已有领域知识，也有大量的事例数据；第三种是有领域知识，但极少的事例数据。在模糊推理阶段，先在理论上建立了一种启发式搜索的算法，而后比较了呼叫中心应用与一般模糊专家的不同，进行了算法设计。 论文最后描述了智能呼叫中心的设计与实现的过程，着重分析了模糊专家系统推理模块的设计与实现。并针对天气与运动的模糊训练示例集与规则集，实现了一个小型的带有模糊专家模块的智能呼叫中心原型系统。