不确定性推理材料.ppt

不确定性推理方法 华北电力大学 计算机系 主要内容 什么是不确定性推理？为什么要采取不确定性推理？ 不确定性推理的理论依据是什么？不确定性推理有哪几种主要方法？ CF方法的推理 主观Bayes方法的推理 第五章 不确定性推理方法 概述 概率论基础 确定性方法 主观Bayes方法 第五章 不确定性推理方法 概述 概率论基础 确定性方法 主观Bayes方法 概述 不确定性推理的研究发展： 概率论是解决不确定性问题的主要理论基础之一 贝叶斯网络方法受到多方面关注 DURA等人与1976年在PROSPECTOR基础上给出了同属概率推理的主观贝叶斯方法 Shortliffe等人与1975年结合MYCIN系统建立了确定性理论 Dempster Shaferter同年也提出了证据理论 Zadeh提出可能性理论，1983年提出了模糊逻辑 概述 不确定性推理实际上是一种从不确定的初始证据出发，通过运用不确定性知识，最终推出即保持一定不确定性，又合理或基本合理的结论的推理过程 概述——不确定性 不确定性的主要性质 随机性指由于不确定性推理所处理的事件的真实性是不完全肯定的，含有一定的可能性，只能给出一个估计值 模糊性主要指命题中出现的表达形式是不明确的 不完全性产生于信息的不充分、不全面 由于种种的不确定因素，及其在推理过程中的累计，导致了一些结论的不一致性 概述——不确定性 在不确定性推理中，规则前件、后件以及规则本身在某种程度上都是不确定的 证据的不确定性 歧义性：证据中含有多种意义明显不同的解释，如果离开具体的上下文和环境，往往难以判断其明确含义 不完全性：对于某事物来说，对于它的知识还不全面、不完整、不充分 不精确性：证据的观测值与真实值存在一定的差别 模糊性：命题中的词语从概念上讲不明确，无明确的内涵和外延 可信性：专家主观上对证据可靠性不能完全确定 随机性：命题的事实的真假性不能完全肯定，而只能对其真伪给出一个估计 不一致性：在推理过程中发生了前后不相容的结论，或者随着时间的推移或范围的扩大，原来成立的命题变得不成立了 概述——不确定性 规则一般是经验知识，存在着不确定性因素 证据的组合的不确定性：一些规则有若干证据作为前提条件，或几个证据都可以激活某一规则。此时，组合起来的证据到底有多大程度符合前提条件，其中包含某些不确定的主观度量 规则自身的不确定性：有时领域专家对规则持有某种信任程度，即专家有时也没有十足把握某种前提下得到结果必为真的结论，只能给出一个发生可能性及可能性的度量 规则结论的不确定性：包含各种不确定性的前提条件，运用不确定的规则，引出的结论或动作不可避免的含有不确定性因素 从系统高层看，规则的不确定性还源于各个规则之间的冲突，来源于单个规则、规则间的冲突消解和规则后件的不相容 概述——不确定性 推理的不确定性 由于知识不确定性的动态累计和传播过程所造成的 寻找尽可能符合客观世界的计算，最终得到结论的不确定性度量 概述-不确定性推理的基本问题 在不确定性推理中，除了解决在确定性推理过程中所提到的推理方向、推理方法、控制策略等基本问题外，一般还需要解决 不确定性的表示与度量问题 不确定性的匹配问题 不确定性的传递算法问题 不确定性的合成问题 将不确定性问题用确定的数学公式表示出来，是不确定性推理研究的基础 概述-不确定性推理的基本问题 3方面问题 表示问题：如何描述不确定性 计算问题：不确定性的传播和更新 语义问题：如何解释表示和计算的含义 概述-不确定性推理的基本问题 表示问题： 指用什么方法描述不确定性，是解决不确定推理的关键一步 通常的方法有： 数值表示方法，如CH(A) 非数值表示的语义表示方法，如“很可能” 概述-不确定性推理的基本问题 计算问题： 不确定性的传播和更新。也是获取新信息的过程 如： 已知证据A的不确定性度量P(A),规则A→B,规则的可信度度量P(B，A)，如何计算结论的可信度度量P(B) 从一个规则得到A的可信度度量P1(A)，又从另一个规则得到A的另一个可信度度量 P2(A)，如何从两个规则合成最终的可信度度量P(A) 如何由P(A1)、 P(A2)来计算P(A1∧A2),P(A1∨A2) 不确定性推理例子 初始命题的不确定性度量的获得也是非常重要的，一般由领域内的专家从经验得出 推理过程可以用推理树直观的表示出来。例如，对于如下的推理过程： R1：A1∧A2→B1 R2：A2∨A3→B2 R3：B1→B R4：B2→B 用推理树可以表示如下： 推理树结果图 概述-不确定性推理的基本问题 语义问题：将各个公式解释清楚。如何解释表示和计算的含义，目前多用概率方法。如： P(B，A)可理解为当前提A为真时结论