人工智能与知识工程第4章不确定性推理方法讲述.ppt

第 4 章 不确定性推理方法 教材： 王万良《人工智能及其应用》（第2版） 高等教育出版社，2008. 6 第4章 不确定性推理方法 4.1 不确定性推理的基本概念 4.2 概率方法 4.3 主观Bayes方法 4.4 可信度方法 4.5 证据理论 4.6 模糊推理方法 第4章 不确定性推理方法 4.1 不确定性推理中的基本问题 4.2 概率方法 4.3 主观Bayes方法 4.4 可信度方法 4.5 证据理论 4.6 模糊推理方法 4.1 不确定性推理中的基本问题 推理：从已知事实（证据）出发，通过运用相关知识逐步推出结论或者证明某个假设成立或不成立的思维过程。 不确定性推理：从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。 不确定性的表示与量度 不确定性匹配算法及阈值的选择 组合证据不确定性的算法 不确定性的传递算法 结论不确定性的合成 4.1 不确定性推理中的基本问题 1. 不确定性的表示与量度 （1）知识不确定性的表示 （2）证据不确定性的表示——证据的动态强度 （3）不确定性的量度 4.1 不确定性推理中的基本问题 2. 不确定性匹配算法及阈值的选择 不确定性匹配算法：用来计算匹配双方相似程度的算法。 阈值：用来指出相似的“限度”。 3. 组合证据不确定性的算法： 最大最小方法、Hamacher方法、概率方法、 有界方法、Einstein方法等。 4.1 不确定性推理中的基本问题 4. 不确定性的传递算法 （1）在每一步推理中，如何把证据及知识的不确定性 传递给结论。 （2）在多步推理中，如何把初始证据的不确定性传递 给最终结论。 5. 结论不确定性的合成 第4章 不确定性推理方法 4.1 不确定性推理的基本概念 4.2 概率方法 4.3 主观Bayes方法 4.4 可信度方法 4.5 证据理论 4.6 模糊推理方法 4.2 概率方法 4.2.1 经典概率方法 4.2.2 逆概率方法 4.2.1 经典概率方法 产生式规则： E ：前提条件， ：结论 ：在证据 出现的条件下，结论 成立的确定性程度。 4.2.2 逆概率方法 1. 逆概率方法的基本思想： 4.2.2 逆概率方法 2. 单个证据的情况 产生式规则： Bayes公式： 4.2.2 逆概率方法 例1 ：结论， ：证据。 已知： 求： 4.2.2 逆概率方法 多个证据 ，多个结论 ， 且每个证据都以一定程度支持结论。 扩充后的公式： 例2 已知： 4.2.2 逆概率方法 4.2.2 逆概率方法 优点: 较强的理论背景和良好的数学特征，当证据及结论都彼此独立时计算的复杂度比较低。 缺点: 要求给出结论 的先验概率 及证据 的条件概率 。 第4章 不确定性推理方法 4.1 不确定性推理的基本概念 4.2 概率方法 4.3 主观Bayes方法 4.4 可信度方法 4.5 证据理论 4.6 模糊推理方法 4.3 主观 Bayes 方法 1976年，杜达（R.O.Duda）、哈特（P.E.Hart）等人提出主观Bayes方法，建立了不确定性推理模型，并在地矿勘探专家系统PROSPECTOR中得到了成功的应用。 4.3 主观Bayes方法 4.3.1 知识不确定性的表示 4.3.2 证据不确定性的表示 4.3.3 组合证据不确定性的算法 4.3.4 不确定性的传递算法 4.3.1 知识不确定性的表示 知识： ：前提条件（简单条件或复合条件） ：结论 ：规则强度 4.3.2 证据不确定性的表示 ：对于初始证据 ，由用户根据观察 给出的概率。 可信度 ：对所提供的证据可以相