人工智能 第3章 推理技术2.pptVIP

* 《人工智能》 * 在证据理论中，信任函数Bel(A)和似然函数Pl(A)分别表示对命题A信任度的下界和上界，因此可以用区间(Bel(A), Pl(A))作为命题A的不确定性度量： A(0,0): 表示A为假 A(0,1): 表示对A一无所知 A(1,1): 表示A为真 A(0.25,0.85)：表示A为真的信任度为0.25，A为假的信任度为1-0.85=0.15 信任函数和似然函数都是建立在概率分配函数的基础上的。下面给出一种特殊的概率分配函数，并在此基础上建立一个具体的不确定推理模型。 3.6.2 证据理论的不确定性推理模型 * 《人工智能》 * 1、概率分配函数与类概率函数 定义：设D={s1,s2,…sm}，M为定义在2D上的概率分配函数，且满足： （1）M({si}) ≥0 （2） ? M({si}) ≤1 （3）M(D)=1- ? M({si}) （4）对于任意A?D，当|A|1或|A|=0时，M(A)=0 这是一个特殊的概率分配函数，只有单个元素构成的子集及样本空间D的概率分配函数才可能大于0，其它子集的概率分配均为0。 * 《人工智能》 * 类概率函数：命题A的类概率函数定义为：