第节不确定性推理概述和概率论基础.pptVIP

第五章 不确定性推理方法 王庆江 计算机科学与技术系 qjwang@ouc.edu.cn 5.1 概述 证据有不确定性 在产生式系统中，证据也即事实，在数据库中。 知识有不确定性 这里的知识是指启发式知识； 在产生式系统中，知识也即产生式（即规则）在知识库中。 在这样的证据和知识上，必须采用不确定性推理（也称非精确推理）。 什么是不确定性推理？ 从不确定的初始证据出发，通过运用不确定性知识，最终推出以某种不确定度成立的结论的推理过程。 证据的不确定性 证据可以是初始证据，也可以是推出的新证据。 不确定性表现在： 歧义性 不完全性 不精确性 随机性 不一致性 规则的不确定性 规则是启发类(Heuristic)知识，描述由已有证据可推得哪些结论（即新证据）。 不确定性表现在： 证据组合（合取或析取） 规则自身 结论 推理的不确定性 知识不确定性的动态积累和传播。 不确定性推理的基本问题 如何表示不确定性？ 数值（定量）表示 例：P(A)是A发生的概率，用作证据A的不确定性度量。 非数值（定性）表示 例：A很可能（或可能、不太可能、一定）发生。 如何计算不确定程度（简称不确定度）？ 例如，证据A、规则A→B的不确定度分别是P(A)和P(B, A)，怎样求结论B的不确定度P(B)？ 例如，由两个规则分别得到A的不确定度分别P1(A) 和P2(A)，则两个规则同时被激活，A的不