人工智能导论 - scueducn.ppt

《人工智能导论 - scueducn.ppt》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第六章不确定性推理6-1不确定性推理的基本概念6-1-1不确定性推理的含义处理不确定性信息是智能的本质。不确定性推理是建立在不确定性知识和证据上的推理。不确定性推理从不确定的初始证据出发，运用不确定性知识，推出具有一定程度的不确定性但又是合理或基本合理的结论的思维过程。采用不确定性推理是客观问题的需要，原因是：知识不完备（对人脑和疾病的认识）知识不精确知识描述的模糊性多种原因导致同一结论解题方案不唯一6-1-2不确定性推理的基本问题不确定性的表示（1）知识不确定性表示要能够比较准确地描述问题本身的不确定性。要便于推理过程中不确定性的计算。知识

2、的不确定性通常用一个数值表示：知识应用成功的概率；知识的可信程度。（2）证据不确定性表示初始证据中间结果概率表示；可信程度。不确定性匹配可用知识计算匹配双方相似程度组合证据不确定性计算不确定性更新如何利用证据和知识不确定性更新结论不确定性。如何把初始证据的不确定性传递给结论。不确定性结论的合成不确定性推理的类型（数值方法）基于概率论：确定性理论，主观贝叶斯方法，证据理论。模糊推理6-2不确定性推理的概率论基础略6-3确定性理论1975年美国斯坦福大学E.H.Shortliffe提出CF(certaintyfactor)模型6-3-1可信度的概念

3、人们根据以往经验对某个事物或现象为真的程度的一个判断或相信的程度。6-3-2CF模型知识不确定性的表示IF前提ETHEN结论H(CF(H,E))前提E可以是一个或多个的复合；结论H也可以是一个或多个的复合；CF(H,E)称为可信度或规则强度，表示前提对结论为真的支持程度，取值[-1,1]，越大表示支持程度越大。例：IF发烧AND流鼻涕THEN感冒(0.8)可信度的定义可信度的性质：（1）互斥性可信度的性质：（2）值域可信度的性质：（3）典型值可信度的性质：（4）对H的信任增长度等于对非H的不信任增长度可信度的性质：（4）可信度不是概率可信度的性

4、质：（5）证据限制条件证据不确定性的表示证据的不确定性也是用可信度来表示的，取值范围是[-1,1]；证据可信度的来源有以下两种情况：如果是原始证据，其可信度是由提供证据的人给出的；如果是推理得出的结论作为证据的，其可信度由推导该结论时不确定性的更新算法计算得出。证据E的可信度CF(E)的取值含义如下：CF(E)=1，证据E肯定为真；CF(E)=-1，证据E肯定为假；CF(E)=0，不清楚证据E；0

5、当E=E1ANDE2AND…ANDEn，则CF(E)=min{CF(E1),CF(E2),…,CF(En)}析取证据当E=E1ORE2OR…OREn，则CF(E)=max{CF(E1),CF(E2),…,CF(En)}不确定性的更新由证据的不确定性和知识的不确定性计算结论的不确定性，即IF前提ETHEN结论H(CF(H,E))则CF(H)=CF(H,E)•max{0,CF(E)}；若CF(E)<0，则CF(H)=0；若CF(E)=1，则CF(H)=CF(H,E)。结论不确定性的合成若有知识IF前提E1THEN结论H(CF(H,E1))IF前提E

6、2THEN结论H(CF(H,E2))则结论H的综合可信度由下两步计算得：（1）分别对每条知识求出其CF(H)，即CF1(H)=CF(H,E1)•max{0,CF(E1)}；CF2(H)=CF(H,E2)•max{0,CF(E2)}例6.2(p.177)作用(p.203)：6-8