第 06 章 不确定推理 人工智能课件.ppt

《第 06 章 不确定推理 人工智能课件.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、第六章不确定推理6.2基于概率的不确定推理6.2.1基本概念6.2.2基于概率的不确定推理方法1.证据组合的不确定计算2.顺序规则的不确定计算3.并行规则的不确定计算4.基于概率的不确定推理示例6.3基于可信度的不确定推理6.3.1可信度方法6.3.2带有阈限的可信度方法6.3.3加权的可信度方法§6.4模糊逻辑与模糊推理模糊集合的定义与运算模糊知识表示与模糊匹配模糊推理方法带有可信度的模糊推理作业6.2.2基于概率的不确定推理方法证据e的不确定性用e发生的概率P(e)表示规则“ifethenh”的不确定性用条件概率P(e

2、

3、h)表示。（参例题）结论的不确定性用条件概率P(h

4、e)表示。（结论的可信程度）已知:证据e发生的概率P(e)结论h发生的概率P(h)结论h成立时证据e出现的概率P(e

5、h)，则结论h的不确定性测度为：证据组合1、证据组合的不确定计算（1）否定证据不确定计算若证据e的不确定性为P(e)，则证据的不确定性为：证据组合（2）合取证据的不确定计算若证据e1,e2,…,en的不确定性分别为：P(e1),P(e2),…,P(en)，则合取证据的不确定性为：证据组合（3）析取证据的不确定计算若证据e1,e2,…,en的不确定性分别为：P

6、(e1),P(e2),…,P(en)，则析取证据的不确定性为：证明顺序法则2、顺序规则的不确定计算（顺序法则）若证据e1支持中间结论e2,e2支持结论h，则有：顺序法则图示e1e2h顺序法则图示e1e2e3e4e5h并行法则3、并行规则的不确定计算（并行法则）若证据e1,e2,…,en同时支持结论h，则证据e1,e2,…,en同时支持结论h的几率为：（转下页）并行法则（接上页）结论h出现的先验几率：证据ei支持结论h的程度：（转下页）并行法则（接上页）值的计算：6.3 基于可信度的不确定推理6.3.1  可信度方法6.3.2

7、  带有阈限的可信度方法6.3.3加权的可信度方法6.3.1  可信度方法可信度方法是医疗诊断专家系统MYCIN系统采用的一种不精确推理模型。1、证据E的不精确表示用可信度表示（CertaintyFactor）CF（E）（Evidence）可信度方法典型值：1确信E为真CF（E）=0对E一无所知-1确信E为假CF（E）∈[-1，1]0

8、信度，也称为规则强度，修正定义MB（H，E）=1（P（H）=1时）MB（H，E）=（其它情况时）修正定义MD（H，E）=1（P（H）=0时）MD（H，E）=（其它情况时）规则可信度的理论定义CF（H，E）=MB（H，E）－MD（H，E）注：通常由领域专家根据经验给出估值。可信度方法----推理过程3、推理过程的不精确处理可信度方法----推理过程（1）合取证据的可信度E=E1andE2and…andEn则有：CF（E）=min{CF（Ei）}（2）析取证据的可信度E=E1orE2or…orEnCF（E）=max{CF（Ei）

9、}可信度方法----推理过程（3）根据前提和规则的可信度求结论的可信度。CF（H，E）EHCF（H）=max{0，CF（E）}×CF（H，E）可信度方法----推理过程（4）使用两个独立证据和两条不同规则导出的同一结论的可信度。E1CF（H，E1）CF1（H）HCF（H）CF2（H）E2CF（H，E2）可信度方法----推理过程CF1（H）=max{0，CF（E1）}×CF（H，E1）CF2（H）=max{0，CF（E2）}×CF（H，E2）CF（H）定义如下：CF1(H)+CF2(H)－CF1(H)×CF2(H)（当CF1

10、(H)≥0，CF2(H)≥0时）CF(H)=CF1(H)+CF2(H)+CF1(H)×CF2(H)（当CF1(H)＜0，CF2(H)＜0时）(CF1(H)+CF2(H))/(1-min(

11、CF1(H)

12、,

13、CF2(H)

14、)（CF1(H)与CF2(H)异号时）可信度方法----示例4、示例可信度方法----示例已知规则：r1：IFE1THENH（0.9）r2：IFE2THENH（0.7）r3：IFE3THENH（－0.5）r4：IFE4andE5THENE1（0.6）已知证据：CF（E2）=0.8CF（E3）=0.2CF（E4

15、）=0.6CF（E5）=0.7求：CF（H）=？可信度方法----示例由r2：IFE2THENH（0.7）和CF（E2）=0.8CF1（H）=0.8×0.7=0.56由r3：IFE3THENH（－0.5）和CF（E3）=0.2CF2（H）=0.2×(－0.5)=－0.1综合CF1（H）和C