一种新的不确定性推理模型-首页-中国计算机学会信息网.pdfVIP

一种新的不确定性推理模型 草秋梅 广〔东省珠海市第三中学 珠海 519000) 范礼林 (广东省珠海市南屏中学 珠海 519060) 摘要:目前最流行的不确定性推理模型可能是贝叶斯网络。它较全面地考虑了各命压之间的相关 性，是一种内涵系统，信度的更新有明确的步骤，可以双向传播新证据的影响。但是，该模型 基于一个向A与一个矩阵相乘，所以它的计算复杂度是NP难的。另一种处理不确定性数据的成 熟技术是统计技术，其计算复杂度较低，但不能处理双向推理。本文将统计技术与贝叶斯网络 方法取长补短，建立了一种新的推理模型 一 统计贝叶斯网络。该模型既保留了贝叶斯网络的双 向推理. 又握高了推理速度，降低了贝叶斯网络的计算夏杂度， 关键词:不确定性推理，贝叶斯网络.统计技术。编码技术，近似函数 1引言 描述因果关系的参数。 在许多实际领域中，如医学诊断，故障诊 统计技术尽管无需人类专家赋先验值， 断，天气预报，军事指挥.市场战略和投资决 而且计算复杂度较低，但是它不能处理双向推 策等，问题的求解可利用的证据和知识是不确 理，而贝叶斯网络可以处理双向推理，但由于 定的。另一方面，在建立系统、构成知识库时， 其传播概率的模型是基于一个向t与一个矩 也会产生不确定性。因此，不确定性推理己成 阵相乘，所以它不具有多项式的计算复杂度 为人工智能中的一个重要问题，其目的是寻找 我们将统计技术与贝叶斯网络方法取长补短， 一种形式化的方法，能很好地表达各种不确定 建立了一种新的推理模型一 统计贝叶斯网 性知识，并且计算过程简单易于实现。 络。 目前最流行的不确定性推理模型可能是贝 叶斯网络。贝叶斯网络是关于一系列随机变量 2前人的研究结果 之间内部依赖性的概率知识的表示的一种图 2.1pearl的信息传递方法 示方法。它是一个有向无环图(DAG).其中节 Pearl认为.人在推理时，知识并不是以联 点之间被弧联接。图中的每一个节点表示一个 合概率分布形式来表示的，而是以变t之间的 随机变It,联接两个节点之间的一条弧表示它 相关性和条件相关性表示的，也就是说用条件 们之间的依核性.贝叶斯网络提供了一个自然 概率表示。而贝叶斯网络中各节点之间满足条 有效的方法来表示变童之间的概率依赖性，基 件独立性，这就是说，在贝叶斯网络中，一 于这些因素，许多人工智能的研究者把它作为 个节点变量的取值仅与它的相邻节点变t的 知识表示的模型。Pearl在文，〔1中提出的信息 取值以及对它有直接影响的证据有关。 传递方法较全面地考虑了各变量之间的相关 为了表示不断获得的新证据和新事实 性，它的墓本处理是局部的。过程较简单，控 对命题的影响，对每个节点变量A定义一个 制与知识的传播是分开的，控制十分灵活121 但是. 由于该模型基于一个向量与一个矩阵 信度分布:BEL(a)=P(A=aIe),当新到达的证 相乘，所以它不具有多项式的计算复杂度川. 据或者信息对网络中某个节点(比如说X)直接 另一种处理不确定性数据的成熟技术是 产生影响。改变了它的信度分布。同时X将 统计技术，它尽管与概率技术有一定联系，不 信息ax(u)=艺1.(x)P(xu‘)传播给它的双 同的是，它直接建立点值之间的因果关系。我 们认为，