第二章 确定性因子理论（the Theory of Certainty Factors）.doc

第二章 确定性因子理论（the Theory of Certainty Factors） 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开发的。正象PROSPECTOR所处理的地质问题那样，医疗诊断问题也几乎总是受不确定性所支配。 医疗诊断与地质勘探之间的主要差异是，关于矿物的所有假说的数目是很有限的，然而关于所有可能疾病的假说却是很多很多的。 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，贝叶斯定理可用于决定某患者Pa得的某一具体的疾病： (2.1) 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患者Pa得疾病Di的先验概率，P(E|Di)是在假设疾病Di存在的前提下患者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 (2.2) 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 (2.2) 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，因为显然不信任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 (2.3) 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 (2.3) 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 微生物的染色体是革兰氏阳性，并且 微生物的结构是球菌，并且 微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微生物的类别是链球菌 这条规则可写成后验概率形式 0.7 (2.4) 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 (2.4) ，但他们对下述的概率结果却予以拒绝 0.7 = 0.3 (2.5) 内科专家不同意式 (2.5) 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. MYCIN方法的基础是从卡纳普（Carnap，1950年）的确认理论导出的确定因子理论。 卡纳普将概率区分成两类。一类是与可重复事件相联系的通常所说的概率。第二类概率被称之为认知概率（epistemic probability）。又因为它基于某一（或某些）证据确认一个假说，所以又被称之为确认程度（the degree of confirmation）。第二种类型的概率是信任的似然度（性）的另一个例子。 §2 信任和不信任的度量 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。 这确定因子是结合信任和不信任成为一个数（单个数）的一种方式。结合信任和不信任成为一个数能被用于按重要性排列假说。例如，如果一个患者有支持几种可能疾病的某些症状，则具有最高CF的疾病应该是通过排定检测首先来加以研究的疾病。 信任和不信任之度量通过概率被定