人工智能2013(4非经典推理).ppt

第四章 非经典推理; 不确定性推理;4.1不确定性推理的基本概念; （5）推理规则的模糊性。如“若物价上涨过快，就要紧缩信贷”等模糊规则。 （6）推理能力的局限性。如天气预报，气象专家只能满足于时间不太长、精度尽可能好的预测算法。 （7）解题方案的不唯一性。无论是政治、经济、文化，还是军事领域中的很多问题，一般都有多种可选方案，在无法绝对地判断各方案优劣的情况下，只好选择主观上认为相对较优的方案，这又是一种不精确推理。;（1）不确定性的表示与度量 选择不确定性表示方法时应考虑的因素： 根据领域问题的特征将其不确定性比较准确地描述出来，以满足问题求解的需要； 便于推理过程中对不确定性的推算。 知识的不确定性表示 静态强度：表示相应知识的不确定性程度的某个数值。它可以是相应知识在应用中成功的概率，也可以是该条知识的可信程度等，其值范围因其意义与使用方法的不同而不同。 证据的不确定性表示 推理中证据的来源：用户在求解问题时提供的初始证据及推理中得到的中间结果。; 动态强度：表示相应证据的不确定性程度的数值。初始证据的动态强度由用户给出；推理过程中所得到的中间结论（或中间结果）的动态强度由不确定性传递算法计算得到。;（2）不确定性的匹配 对于不确定性推理，由于知识和证据都具有不确定性，而且知识所要求的不确定性程度与证据实际具有的不确定性程度不一定相同，因而就出现了“怎样才算匹配成功？”的问题。 常用的解决办法： 设计一个算法用以计算匹配双方的相似程度（简称相似度）； 指定一个相似的“限定”（即阈值），用以衡量匹配双方的相似度是否落在指定的限度内。若相似度在阈值范围内，则表明是匹配的，相应知识可被应用；否则，反之。; （3）组合证据不确定性的算法 在基于产生式规则的系统中，根据知识的前提条件是简单条件还是复合条件，可分为： 单一证据：是指知识的前提条件仅为一个简单条件的情况； 复合证据：是指知识的前提条件用AND（与）或OR（或）把多个简单条件连接起来构成复合条件的情况，即一个复合条件对应于一组证据。 在不确定性推理中，由于结论的不确定性通常是通过对证据及知识的不确定性进行某种运算得到的，因而需要有合适的算法来计算组合证据的不确定性。主要方法：最大最小方法、概率方法、有界方法等。; （4）不确定性的传递算法 包括两个子问题： （1）在每一步推理中，如何把证据及知识的不确定性传递给结论；一般做法：按照某种算法由证据和知识的不确定性计算出结论的不确定性。 （2）在多步推理中，如何把初始证据的不确定性传递给最终结论。一般做法：把当前推出的结论及其不确定性作为证据放入综合数据库，供以后推理使用。 （5）结论不确定性的合成 用不同知识进行推理得到了相同结论，但不确定性的程度却不相同，此时，需要用合适的算法对它们进行合成。而且在不同的不确定性推理方法中，所采用的合成方法也就各不相同。;4、不确定性推理方法的分类 常用的方法有数值法和非数值法。数值法以概率方法、确定因子法、D—S证据理论和可能性理论为代表；非数值法则以批注理论和非单调逻辑为代表。数值法是对不确定性的一种定量表示和处理方法，便于计算、比较，非数值法是指除数值方法外的其它各种处理不确定性的方法，便于定性分析。;4.2 不确定性推理的概率论基础;2.事件的概率 （1）统计概率 在同一组条件下进行大量重复试验时，如果事件A出现的频率fn（A）总是在区间[0，1]上的一个确定常数p附近摆动，且稳定于p，则称p为事件A的统计概率。 P（A）=p 其中： fn（A）=m/n n：试验总次数 m：试验中A发生次数 统计概率的性质： 对任一事件A，有0≤P（A）≤1 必然事件D的概率P(D)=1，不可能事件Φ的概率 P(Φ)=0 对任一事件A，有 P(? A)=1- P(A);设事件A1，A2，…Ak（k ≤n）是两两互不相容的事件， Ai∩Aj= Φ（i ≠ j），则 k P（U Ai ）= P(A1)+ P(A2)+…+ P(Ak) i=1 设A、B是两个事件，则 P(AUB)=P(A)+P(B)-P(A∩ B) (2)条件概率 设A与B是某个随机试验中的两个事件，如果在事件B发生的条件下考虑事件A发生的概率，就称它为事件A的条件概率，记为P(A|B)。 定义：设A、B是两个事件，P(B)0，称 为事件B已发生条件下，事件A发生的条件概率;3.全概率公式与Bayes公式 （1）全