人工智能_不确定性推理试卷.pptVIP

不确定性推理——人工智能 理论介绍 不确定性基本理论 不确定性的产生与来源 人类主观认识与客观实际之间存在的差异是不确定性来源的根本 产生原因 事物发生的随机性 人类知识的不完全、不可靠、不精确和不一致 自然语言中存在的模糊性和歧义性 不确定性（狭义） 不确定性(uncertainty)就是一个命题（事件）的真实性不能完全肯定，而只能对其为真的可能性给出某种估计。 例 如果乌云密布（电闪雷鸣），则可能要下暴雨。 如果头痛发烧，则大概是换了感冒。 不确切性（模糊性） 不确切性(imprecision)就是一个命题中所出现的某些言词其含义不够确切，从概念角度讲，其表示的意义没有硬性的标准或条件，其外延没有硬性的边界，其边界是不明确的。 例 小王是个高个子。 张三和李四是好朋友。 自然界中的不确定现象 随机 模糊 混沌 分形 复杂网络 随机性和模糊性是不确定性的基本内涵 随机性（偶然性）和随机数学 以贝叶斯公式为基础的贝叶斯理论，在人工智能中一直是处理不确定性的重要工具 带可信度的不确定性推理 证据理论 引入信任函数和似然函数来描述命题的不确定性 当先验概率已知时，证据理论就变成了概率论 模糊性（非明晰性）和模糊数学 模糊集合论，隶属度 粗糙集理论 Vague集理论 通过对模糊对象赋予真、假隶属函数，从正反面两个方面来处理模糊性 混沌 混沌是一种确定性系统中出现的类似随机的过程。因为很难对初值确定得非常精确，近似相同的初值产生很不相同的貌似随机的结果。初值敏感性导致过程的不确定性和不可预测性。 蝴蝶效应：亚马逊河热带雨林中的一只蝴蝶扇动了两下翅膀，可能两周之后会引发美国德克萨斯州的一场龙卷风。 “失之毫厘，差之千里”。初始条件的微小的差别能引起结果的巨大的差异。 复杂网络：Internet 具有小世界效应和无尺度特性 不确定性推理基本理论 什么事不确定性推理 不确定性推理是指从不确定性的初始证据出发，通过运用不确定性的知识，最终推理出具有一定程度的不确定性，但又是合理或者似乎合理的结论的思维过程。 不确定性推理中的基本问题 不确定性的表示和量度 不确定性的匹配 不确定性的传递算法 不确定性的合成 不确定性的表示与量度 知识不确定的表示 在确立表示方法时，有两个直接相关的因素需要考虑： 要能根据领域为题的特征把其不确定性比较准确地描述出来，满足问题求解的需要 要便于推理过程中队不确定性的推算 证据不确定的表示 在推理中，有两种不同来源的证据： 用户在求解问题时提供的初始证据 前人推出的结论当前推理的证据 确定度量方法和范围的原则 度量要充分表达相应知识及证据不确定性程度。 度量范围的指定应便于领域专家及用户对不确定性的估计。 度量要便于对不确定性的传递和计算，对结论算出的不确定性度量不能超出度量规定范围。 度量的确定是直观的，同时应有相应理论基础。 不确定性匹配 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与证据实际具有的不确定性程度不一定相同，因而就出现“怎样才算匹配成功”的问题 对于这个问题,目前常用的解决方法是： 设计一个算法用来计算匹配双方相似的程度,另外再指定一个相似的“限度”,用来衡量匹配双方相似的程度是否落在指定的限度内.如果落在指定的限度内,就称它们是可匹配的。 相应知识可被应用，用来计算匹配双方相似程度的算法称为不确定性匹配算法。用来指出相似的限度称为阈值. 不确定性推理的一般算法 根据规则前提E的不确定性C(E)和规则强度f(H，E)求出假设H的不确定性C(H)，即定义一函数g1，使C(H)=g1[C(E),f(H,E)] 根据分别由独立的证据E1和E2,求得的假设H的不确定性C1(H)和C2(H)，求得证据E1和E2的组合所导致的假设的不确定性C(H)，即定义一函数g2，使C(H)=g2[C1(H),C2(H)] 根据两个证据E1和E2的不确定性C(E1)和C(E2)，求出证据E1和E2的合取E1?E2的不确定性，即定义一函数g3，使C(E1^E2)=g3[C(E1),C(E2)] 根据两个证据E1和E2的不确定性C(E1)和C(E2)，求出证据E1和E2的析取的不确定性，即定义函数g4，使C(E1^E2)=g4[C(E1),C(E2)] 不确定性推理模型 不确定性推理模型没有一个统一的模型，种类不计其数，其中比较著名的有： Shortliffe在1975年结合医疗专家系统MYCIN建立的确定性理论 Duda在1976年结合探矿专家系统PROSPECTOR建立的主观Bayes推理 Dempster Shafer在1976年提出的证据理论 Zadeh在1978年提出的可能性理论，1983年提出的模糊逻辑和逻辑推理 Nilsson在1986年提出的概