人工智能原理及应用 作者 罗 兵 第4章 不确定性推理方法.pptVIP

4.6 模糊推理 4.6.2 模糊知识的表示和模糊概念的匹配 例：设论域U = {a，b，c，d}，U上模糊集A与B为： 计算A与B的相似度，算术平均相似度和几何平均相似度。 解：由定义，可计算A与B的相似度为： 算术平均相似度为： 几何平均相似度为： 4.6 模糊推理 4.6.2 模糊知识的表示和模糊概念的匹配 规则的前提条件与证据可能一个是精确概念，另一个是模糊概念。对任意x∈U， 表示x属于模糊概念A的隶属度。 组合条件与多个证据的模糊匹配的步骤如下： 选择一种计算单一条件与单一证据匹配度的方法，分别对规则组合条件中的每一个子条件计算出与相应证据的匹配度。 选择一种计算总匹配度的方法，计算组合条件与证据的总匹配度。对于合取组合条件，计算总匹配度的方法有“取极小”和“相乘”方法， 若总匹配度 大于等于规则的阈值λ， 则可匹配；否则，不可匹配。 4.6 模糊推理 4.6.3 匹配模糊规则推理方法 模糊规则的推理，实质上就是： 1）把智能问题的已知条件表达为其前提和证据； 2）通过模糊集合，可进行包含、交、并、补等运算，构成相关的模糊命题； 3）按照模糊计算规则进行匹配，完成推理过程。其结论就是推理最终所得到的模糊命题。 对照模糊计算有假