第四章不确定性推理教程以及答案研讨.pptVIP

4.6 证据理论 4.6.2 D-S理论 证据理论是用集合表示命题的。设D是变量x所有可能 取值的集合，且D中的元素是互斥的，在任一时刻x都取D中 的某一个元素为值，则称D为x的样本空间。在证据理论中， D的任何一个子集A都对应于一个关于x的命题，称该命题为 “x的值在A中”。 证据理论中，为了描述和处理不确定性，引入了概率分 配函数、信任函数及似然函数等概念。 设D为样本空间，领域内的命题都用D的子集表示，则概率分配函数（Function of Probability Assignment）定义如下。 定义4.6.1 设函数M： ,且满足 则称M是 上的概率分配函数，M(A)称为A的基本概率函数（Function of Basic Probability Assignment），即对于样本空间D的任一子集都分配一个概率值。 4.6 证据理论 1、概率分配函数 定义4.6.2 设函数Bel： ,且 （ ） 则称为命题A的信任函数（Function of Belief）,即命题 A的信任函数值，就是A的所有子集的基本概率分配函数之和，用来表示对A的总信任。Bel函数又称为下限函数，以Bel（A）表示对命题A为真的信任程度。 4.6 证据理论 2. 信任函数 似然函数（Plausible Function）又称为不可驳斥 函数或上限函数，下面给出它的定义。 定义4.6.3 似然函数: ,且 （ ） 命题A的似然函数值就是所有与A相交的子集的基本概率分配函数之和，用来表示不否定A的信任度。 4.6 证据理论 3. 似然函数 因为 ，所以 即 由于 表示对A为真的信任程度， 表示对A为非假的信任程度，因此可分别称 和 为对A信任程度的下限和上限，记作 4.6 证据理论 4．信任函数与似然函数的关系 有时对同样的证据会得出两个不同的概率分配函数。例如，对于样本空间 ，从不同的来源可分别得到如下两个概率分配函数： 此时需要对它们进行组合，德普斯特提出的组合方法可对这两个概率分配函数进行正交和运算。 4.6 证据理论 5．概率分配函数的正交和 4.6 证据理论 设 是两个概率分配函数，则其正交和 为 其中， 。 如果 ,则正交和M也是一个概率分配函数； 如果K＝0,则不存在正交和M，称 矛盾。 定义4.6.4 4.6 证据理论 定义4.6.5 对于多个概率分配函数 ，如果它们 可以组合，则也可通过正交和运算将它们组合为一个概率 分配函数，其定义如下。 设 是n个概率分配函数，则其正交 和 为 其中， 。 4.6 证据理论 定义4.6.5 6．类概率函数 除了可以利用区间(Bel(A)和 )表示A的不确定性 以外，还可以用A的类概率函数表示A的不确定性。 定义4.6.6 命题A的类概率函数为 其中，分别是A及D中元素的个数。 具有如下性质： 4.6 证据理论 4.6.3 知识的不确定性的表示 在该模型中，不确定性知识用如下的产生式规则表示： IF E THEN CF ={ } 其中， （1）E为前提条件，它是样本空间D的子集。E既可以是简单 条件，也可以是用AND或OR连接起来的复合条件。 （2）H是结论，它用样本空间中的子集表示， 是该子集中的元素。 （3