资源描述：
《5.4.可信度方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、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15.4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25.4.1可信度模
2、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(CertaintyFactor)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3l.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(
3、H,E)=MB(H,E)-MD(H,E)MD(MeasureMB(MeasureBelief,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4l.可信度的定义MB(H,E)定义为1,P(H)1MB(H,E)max{P(H
4、E),P(H)}P(H),否则1P(H)MD(H,
5、E)定义为1,P(H)0MD(H,E)min{P(H
6、E),P(H)}P(H),否则P(H)式中：P(H)表示H的先验概率；P(H
7、E)表示在前提条件E所对应的证据出现的情况下，结论H的条件概率（后验概率）。2014-4-9人工智能丁世飞5由MB与MD的定义可以得出如下结论：当MB(H,E)>0时，有P(H
8、E)>P(H)，这说明由于E所对应的证据的出现增加了H的信任程度，但不信任程度没有变化。当MD(H,E)>0时，有P(H
9、E)10、改变对其信任的程度。根据前面对CF(H,E)、MB(H,E)、MD(H,E)的定义，可得到CF(H,E)的计算公式2014-4-9人工智能丁世飞6若CF(H,E)>0，P(H
11、E)>P(H)。说明由于前提条件E所对应证据的出现增加了H为真的概率，即增CF(H,E)的计算公式加了H的可信度，CF(H，E)的值越大，增加H为真的可信度就越大。若CF(H,E)<0，则P(H
12、E)13、E)P(H)的出现减少了MBH(H为真的概率，即增,E)0,P(H
14、E)P(H)加了H为
15、假的可信度，CF(H，E)1的P(H)值越小，增加H为假的可信度就越CF(H大。,E)0,P(H
16、E)P(H)P(H)P(H
17、E)0MD(H,E),P(H
18、E)P(H)P(H)2014-4-9人工智能丁世飞7根据CF、MB、MD的定义，可得性质：（1）互斥性对同一证据，它不可能既增加对H的信任程度，又同时增加对H的不信任程度，这说明MB与MD是互斥的。即有如下互斥性：当MB(H,E)>0时，MD(H,E)=0当MD(H,E)>0时，MB(H,E)=0（2）值域0≤MB(H,E)≤10≤MD
19、(H,E)≤1-1≤CF(H,E)≤12014-4-9人工智能丁世飞8根据CF、MB、MD的定义，可得性质：（3）典型值①当CF(H,E)=1时，有P(H
20、E)=1，它说明由于E所对应证据的出现使H为真。此时MB(H,E)=l，MD(H,E)=0②当CF(H,E)=-1时，有P(H
21、E)=0，说明由于E所对应证据的出现使H为假。此时MB(H,E)=O，MD(H,E)=1③当CF(H,E)=0时，则P(H
22、E)=P(H)，表示H与E独立即E所对应的证据的出现对H没有影响。2014-4-9人工智能丁世飞9根据CF、MB、MD
23、的定义，可得性质：（4）对H的信任增长度等于对非H的不信任增长度根据MB、MD的定义及概率的性质2014-4-9人工智能丁世飞10根据CF、MB、MD的定义，可得性质：（4）对H的信任增长度等于对非H的信任增长度再根据CF的定义及MB、MD的互斥性有CF(H,E)+CF(┐H,E)=(MB(H,E)
