6 不确定性推理.ppt

模糊推理（例1） 前提中有如下条件的规则将被激活 If 速度差=零 和 加速度=零 Then 油门=不变 If 速度差=零 和 加速度=正 Then 油门=少量减少 速度差=零 和 加速度=零 速度差=零 和 加速度=正 速度差 加速度 　 零 正 负 零 不变 少量减少 少量增加 正 少量减少 大量减少 不变 负 少量增加 不变 大量增加 模糊推理（例1） 速度差很明显以隶属度1为零状态的成员，但加速度的值同零状态有关联，同状态正的关联更强。 If 速度差=零 和 加速度=零 Then 油门=不变 If 速度差=零 和 加速度=正 Then 油门=少量减少 规则中的条件用AND连接，所以对每条规则结论的支持用前提中的两个条件的最小值量化： (油门)不变的隶属度是min(1, 0.2)=0.2 (油门)少量减少的隶属度是min(1, 0.6)=0.6 有两种动作值得推荐：保持油门不变或者少量减少油门。降低油门会有更强的支持，其量化值为0.6。 模糊推理（例1） (油门)不变的隶属度是min(1, 0.2)=0.2 (油门)少量减少的隶属度是min(1, 0.6)=0.6 现在的任务是组合这两条规则的输出。 组合规则产生精确的值称为逆模糊化。 逆模糊化有多种方法。 一个常用的方法是重心法（即本例的方法） 0 5 10 不变 油门 -15 -10 -5 少量减少 调节油门的值是与这两个合并区域的重心垂直于水平轴上的值 模糊推理（例1） 重心法中，重心位置的计算公式 0 5 10 不变 -15 -10 -5 少量减少 面积公式：w[h-h2/2] 对连续论域 y*=∫B(y)ydy/∫B(y)dy y是输出变量，B(y)是综合模糊集的等级值，y*是重心关于水平轴的位置 对离散论域 Z*=∑qj=1Zjμc(Zj) /∑qj=1μc(Zj) q是输出的离散层次的数量，Zj是在离散层次j上控制输出的数量，μc(Zj)表示Zj在C中的隶属值 面积（少量减少）：20[0.6-0.62/2]=8.4 面积（不变）：20[0.2-0.22/2]=3.6 重心 Z*= ((-10)(8.4)+(0)(3.6)) / (8.4+3.6)=-7 速度差和加速度的两个初始输入(0, 8)导致降低7个单位的油门 * * * * * * * * * * * * * * * * 不确定性推理 演绎推理 推理是依据一定的原则从已有的事实推出结论的过程 知识表示、逻辑推理、归结原理是以经典的谓词逻辑为基础的，属于演绎推理过程。 演绎推理处理的是精确的事实和知识，并运用确定的推理方法得出精确的结论。 演绎推理中，知识是精确的，解决的问题非常有限。 已知事实用以指出推理的出发点及推理时应使用的知识 知识是推理得以向前推进，并逐步达到最终目标的依据 什么是不确定推理 不确定性可以理解为在缺少足够的信息的情况下做出判断 不确定性推理就是从不确定性初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程 知识不确定性 证据不确定性 不确定推理要解决的基本问题 不确定知识的表示问题：采用什么方法描述不确定性 不确定信息的计算问题 不确定性表示和计算的语义解释问题 不确定推理要解决的基本问题 不确定知识的表示问题：采用什么方法描述不确定性 知识不确定性：它表示相应知识的不确定性程度，成为知识强度 证据不确定性：它表示证据为真的程度 不确定推理要解决的基本问题 处理不确定性问题的主要数学工具： 概率论和模糊数学 概率论：研究和处理随机现象，事件本身有明确的含义，只是由于条件不充分，使得在条件和事件之间不能出现决定性的因果关系（随机性） 模糊数学：研究和处理模糊现象，概念本身就没有明确的外延，一个对象是否符合这个概念是难以确定的（模糊性） 明天天气晴朗的可能性很大 明天的旅游年轻人占多数的可能性很大 不确定性推理方法分类 不确定性推理方法研究的主要发展路线： 模型法：在推理一级上扩展不确定性推理的方法 控制方法：在控制策略级处理不确定性的方法 模型法 控制方法 数值方法 非数值方法：非单调推理方法 概率论：可信度方法、证据理论、Bayes方法 模糊数学 outlook temparature humidity windy play sunny hot high true ? sunny cool high true ? outlook temparature humidity windy play sunny hot high true ? sunny cool high true ? * 糖果大包装分为5类： h1:100%樱桃 h2:75%樱桃+25%柠檬 h3:50%樱桃+50%柠檬 h4:25%樱桃+