资源描述：
《最新人工智能不确定概率与可信度精教学讲义ppt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、人工智能不确定概率与可信度精1基本概念什么是不确定性推理不确定性推理是建立在非经典逻辑基础上的一种推理，它是对不确定性知识的运用与处理。具体地说，所谓不确定性推理就是从不确定性的初始证据（即事实）出发，通过运用不确定性的知识，最终推出具有一定程度不确定性的结论。2不确定性推理中的基本问题1.不确定性的表示与度量不确定性推理中的“不确定性”一般分为两类：一是知识的不确定性，一是证据的不确定性。知识不确定性的表示：目前在专家系统中知识的不确定性一般是由领域专家给出的，通常用一个数值表示，它表示相应知识的不确定性程度，称为知识的静态强度。证据不确定性的表示：证据不
2、确定性的表示方法与知识不确定性的表示方法一致，通常也用一个数值表示，代表相应证据的不确定性程度，称之为动态强度。不确定性推理方法的分类不确定性推理方法主要可分为模型法与控制法。模型法：在推理一级对确定性推理进行扩展，引入证据的不确定性及知识的不确定性。模型方法又分为数值方法和非数值方法两类。数值方法对不确定性进行定量的描述，按其所依据的理论又可分为基于概率的方法和基于模糊理论的方法。本文主要针对模型方法中相关的典型算法展开.可信度方法可信度方法是在确定性理论的基础上，结合概率论等提出的一种不确定性推理方法，简称C-F模型。该方法首先在医疗系统MYCIN中得到
3、成功的应用。可信度的概念根据经验对一个事物和现象为真的相信程度称为可信度。在可信度方法中，由专家给出规则或知识的可信度，从而可避免对先验概率、或条件概率的要求。5.4.2C-F模型知识不确定性的表示:在C-F模型中，知识是用产生式规则表示的，其一般形式为：IFETHENH(CF(H,E))其中：（1）前提E可以是命题的合取和析取组合（2）结论H可为单一命题，也可以是复合命题（3）CF(H,E)为确定性因子，简称可信度，用以量度规则的确定性（可信）程度。取值于[-1，1]，表示E为真时，对H的支持程度。CF(H,E)值越大，E就越支持H为真。可信度因子的定义I
4、FETHENH(CF(H,E))CF(H,E)定义为：CF(H,E)=MB(H,E)-MD(H,E)MB反映了证据对结论有利的一面，MD反映了证据对结论不利的一面。MB(MeasureBelief)表示因与E匹配的证据出现，使H为真的信任增长度。MD(MeasureDisbelief)指不信增长度，表示因与E匹配的证据出现，使H为真的不信任增长度。MB和MD的定义为：当P(H
5、E)>P(H)时：表示证据E支持结论HMB(H,E)>0，MD(H,E)=0。当P(H
6、E)0，MB(H,E)=0。当p(H/E)＝p(H)
7、时，表示E对H无影响，则有MB＝MD＝0MB(H,E)与MD(H,E)是互斥的：当MB(H,E)>0时，MD(H,E)＝0当MD(H,E)>0时，MB(H,E)＝0CF(H,E)的计算公式根据定义CF(H,E)=MB(H,E)-MD(H,E)，及MB(H,E)与MD(H,E)的互斥性，可得:从上式可看出：CF(H,E)>0对应于P(H
8、E)>P(H);CF(H,E)<0对应于P(H
9、E)10、E)=P(H)。IFETHENH(CF(H,E))当且仅当P(H
11、E)=1时,CF(H,E)=1当且仅当P(H
12、E)=0时,CF(
13、H,E)=-1CF(H,E)定性地反映了P(H
14、E)的大小,因此可以用CF(H,E)近似表示P(H
15、E)的大小,从而描述了规则的可信度。2.证据不确定性的表示证据的不确定性也用可信度因子表示。如：CF(E)=0.6CF(E)的取值范围：[-1，+1]。CF(E)>0:表示证据以某种程度为真。CF(E)<0:表示证据以某种程度为假。CF(E)表示证据的强度，即动态强度。证据不确定性的表示设证据E所在的环境为S，则可用可信度CF(E,S)来表示E在S下的确定性程度，并有：CF(E,S)=MB(E,S)-MD(E,S)若S下E为真，则CF(E,S)=1；若E为假，
16、则CF(E,S)=-1；若S对E的真值无影响，则CF(E,S)=0。类似于规则的不确定性，证据的可信度往往可由领域专家凭经验主观确定。证据的可信度值来源于两种情况：（1）初始证据由领域专家或用户给出；（2）中间结论由不确定性传递算法计算得到。3、组合证据不确定性的算法(1)当组合证据是多个单一证据的合取时，即：E=E1ANDE2AND…ANDEn则CF(E)=min{CF(E1),CF(E2)…CF(En)}(2)当组合证据是多个单一证据的析取时，即：E=E1ORE2OR…OREn则CF(E)=max{CF(E1),CF(E2)…CF(En)}4.不确定性的
17、传递不确定性的传递算法定义如下：CF(H)=CF(H
