人工智能第5章不确定性推理.pptVIP

概述01不确定性推理模型的基本结构02确定性方法03主观Bayes方法04证据理论05可能性理论06第四章不确定性推理确定性方法（可信度方法）E.Short和B.Buchanan在MYCIN系统研制过程中产生了不确定推理方法,第一个采用了不确定推理逻辑，70年代很有名。提出该方法时应遵循的原则不采用严格的统计理论。使用的是一种接近统计理论的近似方法。用专家的经验估计代替统计数据尽量减少需要专家提供的经验数据，尽量使少量数据包含多种信息。新方法应适用于证据为增量式地增加的情况。专家数据的轻微扰动不影响最终的推理结论。理论基础以定量法为工具，比较法为原则的相对确认理论。采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度，而是给出可信度较高的前几位，供人们比较选用。规则规则的不确定性度量证据（前提）的不确定性度量。推理计算。确定性方法以定量法为工具，比较法为原则的相对确认理论。采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度，而是给出可信度较高的前几位，供人们比较选用。理论基础1规则的不确定性度量证据（前提）的不确定性度量。推理计算。规则2确定性方法以定量法为工具，比较法为原则的相对确认理论。采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度，而是给出可信度较高的前几位，供人们比较选用。理论基础规则的不确定性度量证据（前提）的不确定性度量。推理计算。规则确定性方法规则(规则的不确定性度量）规则A→B， 可信度表示为CF(B,A)。证据为真时相对于P(～B)=1-P(B)来说，A对B为真的支持程度。即A发生更支持B发生。此时CF(B,A)≥0。或，相对于P(B)来说，A对B为真的不支持程度。即A发生不支持B发生。此时CF(B,A)0。CF(B,A)表示的意义011≤CF(B,A)≤1结论02规则(规则的不确定性度量）CF(B,A)的特殊值：CF(B,A)=1， 前提真，结论必真CF(B,A)=-1，前提真，结论必假CF(B,A)=0，前提真假与结论无关实际应用中CF(B,A)的值由专家确定，并不是由P(B|A),P(B)计算得到的。规则(规则的不确定性度量）01以定量法为工具，比较法为原则的相对确认理论。采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度，而是给出可信度较高的前几位，供人们比较选用。理论基础02规则的不确定性度量证据（前提）的不确定性度量。推理计算。规则确定性方法01以定量法为工具，比较法为原则的相对确认理论。采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度，而是给出可信度较高的前几位，供人们比较选用。理论基础02规则规则的不确定性度量证据（前提）的不确定性度量。推理计算。确定性方法证据A的可信度表示为CF(A)同样有：-1≤CF(A)≤1特殊值：CF(A)=1， 前提肯定真CF(A)=-1， 前提肯定假CF(A)=0， 对前提一无所知CF(A)＞0，表示A以CF(A)程度为真CF(A)＜0，表示A以CF(A)程度为假规则(证据的不确定性度量）1以定量法为工具，比较法为原则的相对确认理论。采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度，而是给出可信度较高的前几位，供人们比较选用。理论基础2规则的不确定性度量证据（前提）的不确定性度量。推理计算。规则确定性方法01以定量法为工具，比较法为原则的相对确认理论。采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度，而是给出可信度较高的前几位，供人们比较选用。理论基础02规则规则的不确定性度量证据（前提）的不确定性度量。推理计算。确定性方法CF(A1∧A2)=min{CF(A1),CF(A2)}“与”的计算： A1∧A2→B01CF(A1∨A2)=max{CF(A1),CF(A2)}“或”的计算： A1∨A2→B02CF(B)=CF(A)·CF(B,A)(CF(A)＜0时可以不算即为“0”)由A，A→B，求B：04CF(～A)=～CF(A)“非”的计算：03规则(推理计算－1）规则(推理计算－2）更新，由两条规则求出再合并：由C