参考资料--不确定性推理方法研究word版.docVIP

不确定性推理 摘要：对3种最常用的不确定性推理方法进行了分析和评述:概率推理、D-S证据推理和模糊推理。分别针对不同类型的不确定性。概率推理针对的是事件发生与否不确定这样的不确定性。D-S证据推理针对的是分不清或不知道这样的不确定性。模糊推理则是针对概念内涵或外延不清晰这样的不确定性。概率推理的理论体系是严密的,但其推理结果有赖可信的先验概率和条件概率。D-S证据推理是不可信的,但在一定条件下可以转化为概率推理问题来处理。模糊推理是一种很有发展潜力的推理方法主要问题是推理规则需要具体设计且设计好坏决定推理结果。不确定性推理?概率推理?D-S证据论?模糊推理 近年来，不确定性推理技术引起了人们的重视。这一方面是由于现实问题中普遍含有种种的不确定性，因此对不确定性推理技术有很大的需求。另一方面也在于不断出现的不确定性推理技术出现了一些问题，引起了人们的热议。 本文对三种应用最为广泛的不确定性推理技术进行了分析和评述。它们是：概率推理、D-S证据推理和模糊推理。它们分别具有处理不同类型的不确定性的能力。概率推理处理的是“事件发生与否不确定”这样的不确定性；D-S证据推理处理的是含有“分不清”或“不知道”信息这样的不确定性；模糊推理则是针对概念内涵或外延不清晰这样的不确定性。这些不确定性在实际的推理问题中是非常普遍的，因此这３种推理技术都有广泛的应用。 然而，这些推理技术在实际中的应用效果相差很大。有的得出的推理结果非常合理，用推理结果去执行任务的效果也非常好。也有的效果很差，推理结果怪异，完全背离人的直觉。应用效果差的原因可能是所用推理技术本身的缺陷，也可能是应用者对所用技术了解掌握不够。 无论如何，都非常有必要对这些不确定性推理技术进行一番对比分析，客观刻画出它们的特点，以帮助人们在应用它们时能够做到心中有数。这正是本文所希望达到的目的。 １ 概率推理 概率推理也称贝叶斯推理，是以贝叶斯法则为基础的不确定性推理方法，具有处理“事物发生与否不能确定”这样的不确定性的能力。而这样的不确定性在现实问题中是普遍存在的。因此，概率推理有着广泛的应用。为了便于说明，以下将以多源目标身份信息融合处理这一当前十分热门的应用为例对这种推理方法加以介绍。 在一个特定的目标身份融合问题中，目标身份的可能种类的集合称为假设空间，可以抽象地表示为一个有限集合。假定这个集合是确定的，且该集合中的每个元素（即每种类型）的先验概率是已知的。现有若干信息源（如传感器），分别能够从某一角度对所关注的目标进行观察，并给出目标身份为假设空间中每一类型的条件下得到这一观察结果的条件概率。则利用概率论中著名的贝叶斯法则，就能够得出融合所有信息源观察信息后的目标各种可能身份的验后概率。这就是概率推理的基本原理。 假定目标身份的类型为Q1，Q2，．．．，Qm，即假设空间为 同时假定传感器（信息源）的数量为n，它们在某一次观察中得到的关于目标身份信息的观察报告分别为D1，D2，．．．，Dn，。即观察报告集为 按照前面的说法，若已知各先验概率P(Oi)（i=1,2，．．．，m），且按照概率论的要求，满足 同时，每个信息源给出条件概率P(Dj|Oi)（i=1,2，．．．，m）（j=1,2，．．．，n）按照贝叶斯公式，有 P(Dj|Oi)（i=1,2，．．．，m）是综合了各传感器报告结果后各目标身份的概率。这就是概率推理的推理结果。可以看出，这个概率推理过程也是一个信息融合过程。如果各传感器的报告相互独立，则 将式(5)代入式(4)，有 按照以上的说明，概率推理在目标身份信息融合的过程可以用图1表示。其中的决策逻辑一般采用最大验后概率准则 2 对概率推理的评述 概率推理最大的优点在于它的理论严密性。概率推理以概率论为基础，而概率论是建立在完整的公理体系之上的，因此，概率推理是严密的。只要有关先验概率和条件概率可信，则概率推理的结果就是可信的。此外，由于有大数定理的保障，概率推理在许多实际问题中的应用也得到了理论上的支持。概率推理的这种理论严密性也正是被广泛应用的根本原因。因此，尽管新的推理技术不断出现，人们对这种十分经典的推理技术还是偏爱有加［４］。 然而，概率推理也面临一些问题。首先是要求知道各先验概率P(Oi)和条件概率P(Dj|Oi)，且这些概率的分配互斥而完备。这种要求对许多应用问题来说显得苛刻。实际中的许多问题给出的信息要么不互斥，即存在“分不清”的信息；要么存在不完备，即存在“不知道”的信息。面对这样的问题，概率推理是无能为力的。 此外，概率推理对于先验概率的依赖也是其常遭受非贝叶斯学派诟病的一个原因。人们在很多的情况下感觉先验概率难以把握。概率推理是比较值得信赖的，原因还是在于它的严密性。相比之下，有的推理技术在