人工智能概论通识课 第5章 知识表示与机器推理（二）.pptx

第5章 知识表示与机器推理（二） 5.1 不确定和不确切性信息处理 5.2 不确定性知识的表示与推理 5.3 不确切性知识的表示与推理 延伸学习导引; 5.1 不确定和不确切性信息处理 1. 什么是不确定性信息？ 这里的不确定性信息（uncertain information）是指那些不能确定真实性的信息。例如，命题： 明天下雨。 如果头痛且发烧，则患了感冒。 所描述的信息和知识就是不确定性信息。 ; 2. 什么是不确切性信息？ 这里的不确切性信息（imprecise information）是指那些意思不够明确、不够严格（有一定弹性）的信息。例如， 小王是个高个子。 这句话所表达的信息就是不确切性信息。因为多高的个子算是“高个子”，并没有一个明确的、严格的、刚性的标准。 小明是个好学生。 张三和李四是好朋友。 如果向左转，则身体就向左稍倾。 ; 3. 不确定性与不确切性的区别与联系 ?不确定性信息是指那些不能确定真伪的信息，即其所表达的事件或者事物性状、关系或行为是不确定、不肯定的； ?不确切性信息则是对事物的性状、关系或行为描述得不够具体、不够严格、不够精确的信息。 ?不确定性和不确切性（或者说确定性和确切性）是两个相互独立的信息属性。;四种类型的信息 1. 确定-确切性信息 2. 不确定-确切性信息 3. 确定-不确切性信息 4. 不确定-不确切性信息 例如： 明天下大雨。 如果头很痛并且发高烧，则患了重感冒。; 4. 不确定性信息处理与不确切性信息处理 不确定性信息处理解决的是信息真/伪的可能性问题， 不确切性信息处理解决的是信息真/伪的强弱性问题。 从问题求解的角度看，不确定性信息处理解决可能解的问题，不确定切性信息处理解决近似解的问题。; 5.2 不确定性知识的表示及推理 5.2.1 不确定性知识的表示 设c(S)为命题S的信度。二元组(S, c(S))就可作为不确定性命题的一种表示形式。进而 将不确定性产生式规则A→B表示为 (A→B，c(A→B)) 或 A→(B，c(B|A)) 其中c(B|A)表示规则的结论B在前提A为真的情况下为真的信度。例如， 如果头痛且发烧，则患了感冒(0.8)。 ; 5.2.2 不确定性推理 不确定性推理的一般模式可简单地表示为： 不确定性推理＝符号推演＋信度计算 不确定性推理要涉及信度、阈值以及信度的各种计算和传播方法的定义和选取。所有这些就构成了所谓的不确定性推理模型。; 5.3 不确切性知识的表示及推理 5.3.1 软语言值及其数学模型 ?软语言值（flexible linguistic value） ?软概念（flexible concept） 定义5-1 设A是论域U=[a, b]上的一个软语言值，令 ; ; 例5-1 设“低”、“中等”、“高”为男性成人的身高域[1.2, 2.2]（假设）上的三个相邻的软语言值。我们设“中等”的两个临界点分别为1.5（m）和1.8（m），两个核界点分别为1.6（m）和1.7（m）。由上面的定义式(5-3)，“中等”的相容函数就是; 由上面的定义和例子可以看出： (1)一个软语言值的相容函数完全由其核和支持集确定。 (2)相容函数的值域为区间[?, ?] (? ≤0, 1≤ ? )。 (3)论域U上一个相容函数就决定了或者说定义了U上的一个软语言值。所以，相容函数就是软语言值（软概念）的数学模型。 说明：软概念还有一种数学模型——软集合（flexible set，详见文献[96]的 Chapter 2）。软集合与软语言值是对应的，前者可以看作是后者的数值模型。 ;5.3.2 不确切性知识的表示; 1. 程度化元组 其一般形式为： (?对象?, ?特征?,(?语言值?, ?程度?