资源描述:
《主观贝叶斯方法》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、主观Bayes方法概述主观Bayes方法又称为主观概率论一种处理不确定性推理一种基于概率逻辑的方法以概率论中的贝叶斯公式为基础首先应用于地矿勘探专家系统PROSPECTOR5.3.1基本Bayes公式—概率论基础条件概率:设A,B是两个随机事件,,则是在B事件已经发生的条件下,A事件发送的概率。乘法定理:5.3.1基本Bayes公式全概率公式:设事件满足:⑴两两互不相容,即当时,有⑵⑶样本空间则对任何事件B,有下式成立:称为全概率公式。5.3.1基本Bayes公式Bayes公式:设事件满足:⑴两两互不相容,即当时,有⑵⑶样本空间则对任何事件B,
2、有下式成立:称为贝叶斯公式。5.3.1基本Bayes公式把全概率公式带入贝叶斯公式后,得如下公式:5.3.1基本Bayes公式又有产生式规则IFETHENHi用产生式中的前提条件E代替Bayes公式中的B,用Hi代替公式中的Ai,就可以得到公式:用来求得在条件E下,Hi的先验概率。5.3.1基本Bayes公式在有些情况下,有多个证据E1,E2,…,En和多个结论H1,H2,….,Hn,并且每个证据都以一定程度支持结论,这是可对上面的公式进行扩充,得:5.3.1基本Bayes公式此时,只要知道Hi的先验概率P(Hi)以及Hi成立时证据E1,E2,
3、…,Em出现的条件概率P(E1
4、Hi),P(E2
5、Hi),…P(Em
6、Hi),就可以求得在E1,E2,...,Em出现情况下Hi的条件概率P(Hi
7、E1E2...Em)5.3.2主观Bayes方法主观Bayes方法的基本思想由于证据E的出现,使得P(H)变为P(H
8、E)主观Bayes方法,就是研究利用证据E,将先验概率P(H)更新为后验概率P(H
9、E)主观Bayes方法引入两个数值(LS,LN)用来度量规则成立的充分性和必要性。其中,LS:充分性量度LN:必要性量度5.3.3知识不确定性的表示1.知识表示方法在地矿勘探专家系统中,为了进行不确定
10、性推理,把所有的知识规则连接成一个有向图,图中的各节点代表假设结论,弧代表规则。在主观Bayes方法中,知识的不确定性是以一个数值对(LS,LN)来进行描述的。其具体产生式规则形式表示为:IFETHEN(LS,LN)H(P(H))5.3.3知识不确定性的表示其中,(LS,LN)是为度量产生式规则的不确定性而引入的一组数值,用来表示该知识的强度,LS和LZ的表示形式如下。(1)充分性度量(LS)的定义它表示E对H的支持程度,取值范围为[0,+∞)。5.3.3知识不确定性的表示(2)必要性度量的定义它表示~E对H的支持程度,即E对H为真的必要程度,
11、取值范围[0,+∞)。5.3.3知识不确定性的表示结合Bayes公式,得:P(﹁H
12、E)=P(E
13、﹁H)P(﹁H)/P(E)Bayes公式除以上式得:5.3.3知识不确定性的表示为了讨论方便,引入几率函数又则可以化为5.3.3知识不确定性的表示上式被称为Bayes公式的几率似然性形式。LS称为充分似然性,如果LS->+∞,则证据E对于推出H为真是逻辑充分的。同理,可得关于LN的公式:O(H
14、﹁E)=LN×O(H)其被称为Bayes公式的必率似然性形式。LN称为必然似然性,如果LN=0,则有O(H
15、﹁E)=0。这说明当~E为真时,H必为假,即E对
16、H来说是必然的。5.3.3知识不确定性的表示2.LS和LN的性质(1)LS的性质LS表示证据E的存在,影响结论H为真的概率:O(H
17、E)=LS×O(H)当LS>1时,P(H
18、E)>P(H),即E支持H,E导致H为真的可能性增加;当LS->+∞时,表示证据E将致使H为真;当LS=1时,表示E对H没有影响,与H无关;当LS<1时,说明E不支持H,E导致H为真的可能性下降;当LS=0时,E的存在是H为假;5.3.3知识不确定性的表示(2)LN的性质表示证据E的不存在,影响结论H为真的概率:O(H
19、﹁E)=LN×O(H)当LN>1时,P(H
20、~E)>P
21、(H),即~E支持H,~E导致H为真的可能性增加;当LN->+∞时,表示证据~E将致使H为真;当LN=1时,表示~E对H没有影响,与H无关;当LN<1时,说明~E不支持H,~E导致H为真的可能性下降;当LN=0时,~E的存在是H为假;5.3.3知识不确定性的表示(3)LS与LN的关系由于E和~E不会同时的支持或者同时排斥H,因此只有以下三种情况:LS>1且LN<1LS<1且LN>1LS=1=LN5.3.4证据不确定性的表示1.单个证据不确定性的表示方法证据通常可以分为全证据和部分证据。全证据就是所有的证据,即所有可能的证据和假设,他们组成证据E
22、。部分证据S就是E的一部分,这部分证据也可以称之为观察。在主观Bayes方法中,证据的不确定性是用概率表示的。全证据的可行度依赖于部分证据,表示为P(