基于模糊认知图的贝叶斯信度网构造方法研究 (1)

《基于模糊认知图的贝叶斯信度网构造方法研究 (1)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ASystematicMethodofTransformationfromFuzzyCognitiveMapstoBayesianBeliefNetworkMajor：ComputerApplicationandTechnologyDirectionofStudy：ArtificialIntelligenceGraduateStudent：ChenLiSupervisor：Prof.NiuQinzhouCollegeofInformationScienceandEngineeringGuilinUniversityofTechnologyApril，2012toApril，2013摘要人工智

2、能是计算机模拟人脑的一种智能行为，它一方面对人类智能工作方法的基本步骤进行归纳，另一方面又创造了适合计算机运行的步骤，使计算机具有了与人类智能相似的能力和技术。如何对知识进行表达，以及如何对现有知识进行分析或推理以得到新的知识，是目前人工智能研究的核心问题之一。在人类智能行为中，利用因果关系进行知识的表示和推理是人类最基本的一种智能体现。如何将这种智能行为赋予给计算机，使计算机具备表示和推理不确定性因果知识的能力，是人工智能面临的一大难题，也是人工智能研究的重要课题之一。模糊认知图和贝叶斯信度网是目前表示和推理因果关系知识的两种主要方法。这两种方法都是基于图论的方法，都用节点来表示变量，并以

3、节点间的有向边来表示变量间的因果效应关系。模糊认知图是模糊逻辑和神经网络相结合的产物，是表示、模拟和研究动态系统的一种非常便利的工具。由于具有强大的推理能力和直观的表达力，它在智能决策、管理学、运筹学等领域都有广泛应用。贝叶斯信度网则有着坚实的概率论数学基础，它提供了人脑推理过程的一个模型，在不确定性知识的表示及推理方面表现出了卓越能力。本文全面介绍了模糊认知图和贝叶斯信度网的研究背景、研究现状和基本原理等内容，重点研究了它们表示和推理因果知识的原理和方法，并从这两种方法的实用性、表达力、推理能力和可适性等内在特性方面进行了详细比较。比较结果得出：模糊认知图相比较贝叶斯信度网而言，更简便、更

4、直观、更易于操作，它适合在知识工程应用的前端设计过程中作为从专家处获取因果知识的工具使用；而贝叶斯信度网则更具有表达力、功能更强、更规范、更稳定，它更适合于在知识工程的后端过程中作为因果知识表示和因果关系推理的工具使用。基于这个比较结果，本文提出了一种将模糊认知图转化为贝叶斯信度网的方法，并对这种方法进行了详细介绍。最后，为了验证这种转化方法的有效性，本文以某公司A型汽车的市场占有率分析为例，利用GeNIe软件对通过该方法转化成的贝叶斯信度网模型进行建模仿真，仿真结果表明,本文提出的转化方法建模得到的推理结果与实际情况是相符合的，也即是说，本文提出的转化方法是有效可行的。关键词：模糊认知图，

5、贝叶斯信度网，转化，因果知识表示和推理IAbstractArtificialintelligenceisanintelligentbehaviorthatcomputerimitatesthehumanbrain.Byartificialintelligence,thecomputercanhavetheabilityandtechnologysimilartohumanbeings.Ononehand,itcansummarizethemethodsofhumanintelligencebehaviorintothebasicprocess;ontheotherhand,itcanalso

6、createasuitableoperationforcomputersimulatingthehumanbrain.HowtoexpresstheexistentknowledgeandhowtoapplythemforanalysisandinferencetoobtainnewknowledgeisnowoneofkernelquestionsinAI.Inman-intelligentbehavior,theuseofcausionisoneofbasicintelligentbehavior.Andthen,asthebasisofartificialintelligenceres

7、earch,howtorepresentanddealwiththeuncertaintyofknowledgeisapuzzleofartificialintelligencemustbefacedwith.Fuzzycognitivemapandbayesianbeliefnetworkaretwomajorformalismsformodeling,representing,andreasoningab