5.4.可信度方法

5.4.可信度方法

ID:46579043

大小:556.00 KB

页数:33页

时间:2019-11-25

5.4.可信度方法_第1页
5.4.可信度方法_第2页
5.4.可信度方法_第3页
5.4.可信度方法_第4页
5.4.可信度方法_第5页
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1P(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)0MD(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)

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。