资源描述：
《ch4可信度与证据理论课件.ppt》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、可信度方法是美国斯坦福大学E.H.Shortliffe等人在确定性理论的基础上，结合概率论等提出的一种不确定性推理方法。1976年在专家系统MYCIN中首先应用，它是不确定推理方法中应用最早、且简单有效的方法之一。什么是可信度？根据经验对一个事物或现象为真的相信程度称为可信度。可信度也称作确定性因子。用以度量知识和证据的不确定性。可信度具有较大的主观性和经验性。C-F(CertaintyFactor)模型11、知识不确定性的表示在该模型中，知识是用产生式规则表示的，不确定性以可信度CF(H,E)表示。一般形式：IFETHENH(CF
2、(H,E))其中：（1）E是知识的前提或称为证据，可以是命题的合取、析取组合等。（2）结论H可为单一命题，也可以是复合命题。（3）CF(H,E)为确定性因子，简称可信度，用以量度规则的确定性（可信）程度。C-F模型2在MYCIN中 CF(H,E)=MB(H,E)-MD(H,E) 其中：MB(H,E)(MeasureBelief)指信任增长度，表示因与E匹配的证据出现，使H为真的信任增长度。定义如下：C-F模型3MD(H,E)(MeasureDisbelief)指不信增长度，表示因与E匹配的证据出现，使H为真的不信任增长度。
3、定义如下：C-F模型4当p(H/E)＞p(H)时，表示证据E支持结论H，则有MB>0，MD=0；当p(H/E)0；当p(H/E)＝p(H)时，表示E对H无影响，则有MB＝MD＝0。MB与MD的值域为[0,1]。因此，MB和MD是互斥的。即：当MB>0时，MD=0当MD>0时，MB=0C-F模型5根据CF(H,E)的定义及MD和MB的互斥性，可以得到CF(H,E)的计算公式:C-F模型6从CF(H,E)的计算公式可以看出它的意义：（1）若CF(H,E)>0，则P(H/E)>P(H)；M
4、B>0，MD=0。说明CF(H,E)的值越大，增加H为真的可信度就越大。若CF(H,E)=1，P(H/E)=1，说明由于E所对应的证据出现使H为真。（2）若CF(H,E)<0，则P(H/E)0。说明CF(H,E)的值越小，增加H为假的可信度就越大。若CF(H,E)=-1，P(H/E)=0，说明由于E所对应的证据出现使H为假。C-F模型7（3）若CF(H,E)=0，则P(H/E)=P(H)；MB＝MD＝0。说明E与H无关。由公式知，计算CF(H,E)需要知道P(H)与P(H/E)，然而，在实际应用中这两个值
5、很难获得，而是在建立规则库时由领域专家凭经验主观确定的。C-F模型82、证据的不确定性表示证据E的可信度CF(E)取值为[-1,1]。对于初始证据，若对它的所有观察S能肯定它为真，则使CF(E)=1；若肯定它为假，则使CF(E)=-1；若它以某种程度为真，则使CF(E)为（0，1）中某一值，若对它还未获得任何相关的观察，此时可看作观察S与它无关，则使CF(E)=0。C-F模型9类似于规则的不确定性，证据的可信度往往可由领域专家凭经验主观确定。证据的可信度值来源于两种情况：（1）初始证据由领域专家或用户给出；（2）中间结论由不确定性传
6、递算法计算得到。C-F模型103、组合证据不确定性的算法(1)当组合证据是多个单一证据的合取时，即：E=E1ANDE2AND…ANDEn则CF(E)=min{CF(E1),CF(E2)…CF(En)}(2)当组合证据是多个单一证据的析取时，即：E=E1ORE2OR…OREn则CF(E)=max{CF(E1),CF(E2)…CF(En)}C-F模型114、不确定性的传递不确定性的传递算法定义如下：CF(H)=CF(H,E)×max［0，CF(E)］由上式可以看出:(1)CF(E)<0时,CF(H)=0,说明该模型没有考虑证据为假时对结
7、论H所产生的影响。（2）CF(E)=1时,CF(H)=CF(H,E),说明规则可信度CF(H,E)就是证据为真时的结论H的可信度。C-F模型125、结论不确定性的合成算法若由多条不同知识推出了相同的结论，但可信度不同，则可用合成算法求出综合的可信度。由于对多条知识的综合可通过两两的合成实现，所以下面只考虑两条知识的情况。设有如下知识：IFE1THENH（CF(H,E1))IFE2THENH（CF(H,E2))则结论H的综合可信度由两步算出：C-F模型13（1）首先分别对每一条知识求出CF(H)CF1(H)=CF(H,E1)×max{
8、0,CF(E1)}CF2(H)=CF(H,E2)×max{0,CF(E2)}(2)求出E1和E2对H的综合影响所形成的可信度CF1,2（H）C-F模型14例设有如下一组知识:r1:IFE1THENH(0.8)r2:IFE2THENH(
