5.4.可信度方法.pdf

第5章 不确定性推理 5.1 概述 5.2 不确定性的表示和度量 5.3 主观 Bayes方法 √5.4 可信度方法 2014-4-9 人工智能 丁世飞 1 5.4 可信度方法  可信度方法是由美国斯坦福大学肖特利夫 (E.H.Shortliffe)等人在考察了非概率的和非形式化 的推理过程后于己于1975年提出的一种不确定性 推理模型，并于1976年首次在血液病诊断专家系 统MYCIN中得到了成功应用。  它是不确定性推理中非常简单且又十分有效的一种 推理方法。  目前，有许多成功的专家系统都是基于这一方法建 立起来的。 2014-4-9 人工智能 丁世飞 2 5.4.1 可信度模型  可信度模型是Shortliffe等人在开发细菌感染疾病 诊断专家系统MYCIN 中提出的一种不确定性推理 模型，它是基于确定性理论，结合概率论和模糊 集合论等方法提出的一种推理方法。  该方法采用可信度CF(Certainty Factor)作为不确定 性的测度，通过对CF(H,E)的计算，探讨证据E对 假设H 的定量支持程度，因此，该方法也称为C-F 模型。  先讨论在C-F模型中，关于信任与不信任的处理 方法。 2014-4-9 人工智能 丁世飞 3 l.可信度的定义  在C-F模型中，可信度最初定义为信任与不信任的 差，即CF(H,E)定义为： CF(H,E)=MB(H,E)-MD(H,E) MD(Measure MB(Measure Belief,MB)称为信 Disbelief,MD)称为不 由证据E得到 任增长度，它表示 信任增长度，它表示 假设H 的可信 因为与前提条件E 因为与前提条件E匹 度（也称为 匹配的证据的出现， 配的证据的出现，对 确定性因子） 使结论H为真的信 结论H 的不信任的增 任的增长程度。 长程度。 2014-4-9 人工智能 丁世飞 4 l.可信度的定义  MB(H,E)定义为  1, P(H) 1  MB(H,E) max{P(H |E),P(H)}P(H) , 否则  1P(H)   MD(H,E)定义为  1, P(H) 0  MD(H,E) min{P(H |E),P(H)}P(H) , 否则  P(H)