不精确推理作业解答

《不精确推理作业解答》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、第五章不精确推理5.1答：不精确推理是建立在非经典逻辑基础上的一种推理，是基于不确定性知识的推理.不精确推理就是从不确定性的初始事实（证据）出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性却是合理或者近乎合理的结论的思维过程.在不精确推理中，知识和证据都具有不确定性，这为推理机的设计与实现增加了复杂度和难度.它除了必须解决推理方向、推理方法和控制策略等基本问题外，一般还需要解决不确定性的表示、不确定性的匹配和不确定性的更新算法等问题.矚慫润厲钐瘗睞枥庑赖。5.2答：有明确定义但不一定出现的事件中包含的不确定性称为

2、随机性，他不因人的主观意思变化，由事物本身的因果律决定.不精确推理就是表示和处理随机性的推理方法.聞創沟燴鐺險爱氇谴净。5.3答：(1)当有一个证据E1时，根据Bayes公式，可得==0.4*0.5/（0.4*0.5+0.3*0.3+0.3*0.5）=0.2/0.44=0.45同理可得：=0.09/0.44=0.20=0.15/0.44=0.34这说明，由于证据E1的出现，H1和H3成立的可能性有所增加，而H2成立的可能性有所下降.(2)当证据E1、E2同时出现时，根据多证据情况下的Bayes公式，可得=0.14/（0.14

3、+0.162+0.009）=0.59同理可得：0.340.064这说明，由于证据E1和E2的出现，H1和H2成立的可能性有不同程度的增加，而H3成立的可能性则有了较大幅度的下降.残骛楼諍锩瀨濟溆塹籟。5.4答：①LSLS为规则的充分性量度，它反映E的出现对H的支持程度.当LS=1时，O(H

4、E)=O(H)，说明E对H没有影响；当LS>1时，O(H

5、E)>O(H)，说明E支持H，且LS越大，E对H的支持越充分，若LS为∞，则E为真时H就为真；当LS<1时，O(H

6、E)

7、E)=0，即

8、E为真时H就为假酽锕极額閉镇桧猪訣锥。②LNLN为规则的必要性量度，它反映ØE对H的支持程度，即E的出现对H的必要性.当LN=1时，O(H

9、ØE)=O(H)，说明ØE对H没有影响；当LN>1时，O(H

10、ØE)>O(H)，说明ØE支持H，且LN越大，ØE对H的支持越充分，若LN为∞，则ØE为真时H就为真；当LN<1时，O(H

11、ØE)

12、ØE)=0，即ØE为真时H就为假彈贸摄尔霁毙攬砖卤庑。③LS和LN的关系由于E和ØE不会同时支持或排斥H，所以只有以下三种情况存在：情形1：LS>1

13、且LN<1情形2：LS<1且LN>1情形3：LS=LN=15.5答：5.6答：根据经验对一个事物或现象为真的相信程度称为可信度.规则的一般形式为：IFETHENH（CF(H,E)）.其中，CF(H,E)是该规则的可信度，称为可信度因子或规则强度.CF(H,E)在[-1，1]上取值，它表示在已知证据E的情况下对假设H为真的支持程度.謀荞抟箧飆鐸怼类蒋薔。CF(H,E)定义如下：CF(H,E)=MB(H,E)－MD(H,E).其中，MB（MeasureBelief）称为信任增长度，表示因证据E的出现而增加对假设H为真的信任增加程

14、度[MB(H,E)>0P(H

15、E)>P(H)]；MD（MeasureDisbelief）称为不信任增长度，表示因证据E的出现对假设H为假的信任减少的程度[MD(H,E)>0P(H

16、E)

17、.72（3）求证据E6、E7逻辑组合的可信度CF(E6ORE7)=max{CF(E6),CF(E7)}=max{0.1,0.5}=0.5（4）根据规则R5求CF1(E2)CF1(E2)=-0.3×max{0,CF(E6ORE7)}=-0.3×0.5=-0.15（5）根据规则R4求CF2(E2)CF2(E2)=0.7×max{0,CF(E5)}=0.7×0.8=-0.56（6）根据规则R5求CF1(E2)CF1(E2)=-0.3×max{0,CF(E6ORE7)}=-0.3×0.5=-0.15（7）组合由独立证据导出的假设E2

18、的可信度CF1(E2)、CF2(E2)，得到E2的综合可信度CF(E2)茕桢广鳓鯡选块网羈泪。CF(E2)=CF1(H)+CF2(H)=0.56-0.15=0.41（8）根据规则R1求CF1(H1)CF1(H1)=0.8×max{0,CF(E1)}=0.8×0.72=-0.576（8）根据