资源描述：
《人工智能-不确定性推理.ppt》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、1不确定性人工智能4.1不确定性推理基本理论4.2可信度方法4.3主观Bayes方法4.4D-S证据理论4.5模糊集理论2不确定性的产生与来源来自人类的主观认识与客观实际之间存在的差异产生原因事物发生的随机性人类知识的不完全、不可靠、不精确和不一致自然语言中存在的模糊性和歧义性3不确定性（狭义）不确定性(uncertainty)就是一个命题(亦即所表示的事件)的真实性不能完全肯定，而只能对其为真的可能性给出某种估计。例如果乌云密布电闪雷鸣，则可能要下暴雨。如果头痛发烧，则大概是患了感冒。4不确切性（模糊性）不确切性(imprec
2、ision)就是一个命题中所出现的某些言词其涵义不够确切，从概念角度讲，也就是其代表的概念的内涵没有硬性的标准或条件，其外延没有硬性的边界，即边界是软的或者说是不明确的。例小王是个高个子。张三和李四是好朋友。如果向左转，则身体就向左稍倾。5自然界中的不确定现象随机模糊混沌分形复杂网络6随机性(偶然性)和随机数学以贝叶斯公式为基础的贝叶斯理论,在人工智能中一直是处理不确定性的重要工具带可信度的不确定推理证据理论引入信任函数和似然函数来描述命题的不确定性当先验概率已知时,证据理论就变成了概率论模糊性(非明晰性)和模糊数学模糊集合论,隶
3、属度粗糙集理论Vague集理论通过对模糊对象赋予真、假隶属函数,从正、反两个方面来处理模糊性随机性和模糊性是不确定性的基本内涵7混沌混沌是一种确定性系统中出现的类似随机的过程。因为很难对初值确定得非常精确，近似相同的初值产生很不相同的貌似随机的结果。初值敏感性导致过程的不确定性和不可预测性。蝴蝶效应：亚马逊河热带雨林中的一只蝴蝶扇动了两下翅膀，可能两周之后会引发美国德克萨斯州的一场龙卷风。“失之毫厘，差之千里”。初始条件的微小的差别能引起结果的巨大的差异。8复杂网络:Internet具有小世界效应和无尺度特性9不确定性认知的不确定
4、性感知的不确定记忆的不确定性思维的不确定性知识本身的不确定性10思维的不确定性思维有精确的一面，更有不确定的一面。人类习惯于用自然语言进行思维，思维的结果往往是可能如何、大概如何等定性的结论。人类还擅长通过联想的、直觉的、创造的形象思维来思考，很少象计算机一样做精确的数学运算或者逻辑推理，但是这并不妨碍人类具有发达的、灵活的智能，并不妨碍人类具有发达的、灵活的模式识别能力。114.1不确定性推理基本理论●为什么要研究不确定性推理？ 现实世界的问题求解大部分是不良结构;对不良结构的知识描述具有不确定性: 1)问题证据(初始事实,中间
5、结论)的不确定性; 2)专门知识(规则)的不确定性.12不确定性推理是指从不确定性的初始证据出发，通过运用不确定性的知识，最终推理出具有一定程度的不确定性，但又是合理或者似乎合理的结论的思维过程。什么是不确定性推理13不确定性推理中的基本问题在不确定性推理中,知识和证据都具有某种程度的不确定性,这就为推理机的设计与实现增加了复杂性和难度。除了要解决推理方向、推理方法、控制策略等基本问题外，还需要解决以下问题：●不确定性的表示和量度●不确定性匹配●不确定性的传递算法●不确定性的合成14不确定性的表示与量度知识不确定性的表示 在确立其
6、表示方法时,有两个直接相关的因素需要考虑: 1)要能根据领域问题的特征把其不确定性比较准确地描述出来,满足问题求解的需要; 2)要便于推理过程中对不确定性的推算.证据不确定性的表示 在推理中,有两种来源不同的证据: 1)一种是用户在求解问题时提供的初始证据; 2)另一种是在推理中用前面推出的结论作为当前推理的证据.15确定度量方法和范围的原则度量要充分表达相应知识及证据不确定性程度。度量范围的指定应便于领域专家及用户对不确定性的估计。度量要便于对不确定性的传递和计算，对结论算出的不确定性度量不能超出度量规定范围。度量的确定是直观的
7、，同时应有相应理论基础。16不确定性匹配对于不确定性推理,由于知识和证据都具有不确定性,而且知识所要求的不确定性与证据实际具有的不确定性程度不一定相同，因而就出现“怎样才算匹配成功”的问题对于这个问题,目前常用的解决方法是：设计一个算法用来计算匹配双方相似的程度,另外再指定一个相似的"限度",用来衡量匹配双方相似的程度是否落在指定的限度内.如果落在指定的限度内,就称它们是可匹配的,相应知识可被应用.用来计算匹配双方相似程度的算法称为不确定性匹配算法.用来指出相似的"限度"称为阈值.17不确定性推理的一般算法●根据规则前提E的不确定
8、性C(E)和规则强度f(H，E)求出假设H的不确定性C(H)，即定义一函数g1，使C(H)=g1[C(E),f(H,E)]●根据分别由独立的证据E1和E2,求得的假设H的不确定性C1(H)和C2(H)，求得证据E1和E2的组合所导致的假设的不确定性
