网站大量收购独家精品文档,联系QQ:2885784924

第四讲 确定性因子理论.docVIP

  1. 1、本文档共17页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第四讲 确定性因子理论 (the Theory of Certainty Factors) 研究背景 确定性因子理论,也被称为确定性因子,确定性因子方法。使用确定性因子处理不确定性的方法,最初是为专家系统MYCIN提出的。 贝叶斯定理在医疗诊断中的准确使用取决于要知道许多概率值。例如,在给定某些证据的前提下,贝叶斯定理可用于确定某病人Pa患某种疾病的可能性: (2.1.1) 其中,关于j的求和遍及所有的疾病,Di表示第i种疾病,E是与Di有关的证据,P(Di)是在未获得任何证据之前病人Pa患疾病Di的先验概率,P(E|Di)是在假设疾病Di存在的前提下病人Pa显现出证据E的条件概率。 要想确定出所有这些概率值,并且所有这些被确定出的概率值又都是相互一致的,通常是极其困难的,甚至是不可能的。 实际上,证据是趋向于一件件积累的。表达增量证据的一个贝叶斯定理的方便形式是 (2.1.2) 其中,E2是添加到现存证据体E1的新证据,由于E2的添加产生了新证据, . 尽管公式 (2.1.2) 是精确的,但是,式中的所有概率值通常是不知道的。并且,随着证据积聚的数量的增多,所需的概率值的数量会增加得更多,就是说情况会变得更糟。 §1 信任和不信任(Belief and Disbelief) 伴随医学专家出现的另一个问题是信任与不信任之间的关系。乍看起来,因为不信任显然简单的是信任的反面,由此得出似乎这一问题并不重要。但事实上,概率论要求 即 . 对于依赖于证据E的后验假说H,有 (2.1.3) 然而,当建造MYCIN的知识工程们开始访问医学专家时,知识工程们发现内科医生极其不愿意用公式 (2.1.3) 的形式去陈述他们(或她们)的知识。 例如,让我们考虑下述的一条MYCIN规则(Shortliffe,85) IF 1) 生物的染色体是革兰氏阳性,并且 2) 生物的结构是球菌,并且 3) 生物的生长形态是链状的 THEN 有一个强度为0.7的参考性证据说明该生物的类别是链球菌 这条规则可写成后验概率形式 0.7 (2.1.4) 其中,Ei (i =1,2,3)对应前件的三个模式。 建造MYCIN的知识工程们又发现即使当一个内科医学专家同意了公式 (2.1.4) ,但他们对下述的概率结果却予以拒绝 (2.1.5) 内科专家不同意式 (2.1.5) 说明数字0.7和0.3是信任的似然性度量,而不是信任的概率值。 这个基本问题是:P( H | E ) 蕴涵了E和H之间的原因和结果关系,但E和( H之间也许没有或者不一定有原因与结果关系。 如果 E和H之间有原因和结果关系,并且 公式P( H | E ) = 1-P( ( H | E ) 是正确的,那么就蕴涵着:E和( H之间也有原因和结果关系。 由于概率论的这些问题导致肖特里夫(Shortliffe,1975年)研究表达不确定性的其它方式。用于MYCIN的方法是以从卡纳普(Carnap,1950年)的确认理论导出的确定因子为基础的。 §2 信任和不信任的度量 确定性因子的定义 在MYCIN中,确认度最初被定义为确定因子,它是信任和不信任之间的差。 CF( H , E) = MB( H , E)-MD( H , E) 其中, CF是在证据E存在前提下关于H的确定因子,MB是由于E之存在所引起的关于H的信任增长的度量,MD是由于E之存在所引起的关于H的不信任增长的度量。 信任和不信任之度量通过概率被定义的 (2.1.6) (2.1.7) 把1和0分别写成max [1 , 0] 和min [ 1 , 0] 是为了公式(2.1.6) 和 (2.1.7) 之间具有对称性。要想把MB之公式变成MD之公式,只须将MB之公式中的max换成min . 由公式(2.1.6) 和 (2.1.7) 可得到表1中所列的结论: 表 1 结 论 MB , MD , CF的取值 假说肯定为真,即P(H | E) = 1 MB = 1 , MD = 0 , CF = 1 假说肯定为假,即P((H | E) = 1 MB = 0 , MD = 1 , CF = (1 缺乏证据,P(H | E) = P(H) MB = 0, MD = 0

文档评论(0)

***** + 关注
实名认证
文档贡献者

本账号下所有文档分享可拿50%收益 欢迎分享

1亿VIP精品文档

相关文档