第五章不确定性推理.ppt

第五章 不确定性推理 概述 概率论基础 Bayes网络 主观Bayes方法 确定性方法 证据理论 第五章 不确定性推理 概述 概率论基础 Bayes网络 主观Bayes方法 确定性方法 证据理论 概述 不精确思维并非专家的习惯或爱好所至，而是客观现实的要求。 很多原因导致同一结果 推理所需的信息不完备 背景知识不足 信息描述模糊 信息中含有噪声 规划是模糊的 推理能力不足 解题方案不唯一 概述-表示的3方面问题 不确定问题的数学模型表示的3方面问题 表示问题： 表达要清楚。表示方法规则不仅仅是数，还要有语义描述。 计算问题： 不确定性的传播和更新。也是获取新信息的过程。 不确定性推理例子 例如，对于如下的推理过程： R1：A1∧A2→B1 R2：A2∨A3→B2 R3：B1→B R4：B2→B 在描述这些规则时 采用的都是不确定性知识表示方式 概述-表示的3方面问题 语义问题：将各个公式解释清楚。 语义问题：如何解释表示和计算的含义，目前多用概率方法。 如：f（B，A）可理解为当前提A为真时结论B为真的一种影响程度， C（A）可理解为A为真的程度。 特别关心的是f（B，A）的值： 1）A(T) →B(T), f（B，A）=? 2）A(T) →B(F), f（B，A）=? 3）B 独立于A，f（B，A）=? 对C（A）关心的是： 1）A为TRUE，C（A）＝？ 2）A为FALSE, C（A）＝？ T：True，F：False 概述-分类（1） 不确定性推理方法可分为形式化方法和非形式化方法。 形式化方法有逻辑法、新计算法和新概率法。逻辑法是非数值方法，采用多值逻辑和非单调逻辑来处理不确定性。传统的有基于概率理论的贝叶斯网络等。新计算法认为概率法不足以描述不确定性，从而出现了证据理论（也叫Dempster－Shafter， D-S方法），确定性方法（CF法）以及模糊逻辑方法。新概率法试图在传统的概率论框架内，采用新的计算方法以适应不确定性描述。 非形式化方法是指启发性方法，对不确定性没有给出明确的概念。 概述-分类（2） 不确定推理方法：工程方法、控制方法和并行确定性法。 工程法是将问题简化为忽略哪些不确定性因素。 控制法是利用控制策略来消除不确定性的影响，如启发式的搜索方法。 并行确定性法是把不确定性的推理分解为两个相对独立的过程：一个过程不计不确定性采用标准逻辑进行推理；另一过程是对第一个过程的结论加以不确定性的度量。前一过程决定信任什么，后一过程决定对它的信任程度。 第五章 不确定性推理 概述 概率论基础 Bayes网络 主观Bayes方法 确定性方法 证据理论 第五章 不确定性推理 概述 概率论基础 Bayes网络 主观Bayes方法 确定性方法 证据理论 概率论基础 概率论是研究随机现象中数量规律的科学。所谓随机现象是指在相同的条件下重复进行某种实验时，所得实验结果不一定完全相同且不可预知的现象。众所周知的是掷硬币的实验。人工智能所讨论的不确定性现象，虽然不完全是随机的过程，但是实践证明，采用概率论的思想方法考虑能够得到较好的结果。在这节中我们简单给出概率论的基本概念和贝叶斯定理。 概率论基础（随机事件） 随机实验：随机实验是一个可观察结果的人工或自然的过程，其产生的结果可能不止一个，且不能事先确定会产生什么结果。 样本空间：样本空间是一个随机实验的全部可能出现的结果的集合，通常记作Ω，Ω中的点（即一个可能出现的实验结果）成为样本点，通常记作ω。 随机事件：随机事件是一个随机实验的一些可能结果的集合，是样本空间的一个子集。常用大写字母A,B,C,…表示。 概率论基础（事件间的关系与运算 ） 两个事件A与B可能有以下几种特殊关系： 包含：若事件B发生则事件A也发生，称“A包含B”，或“B含于A”，记作AB或BA。 等价：若AB且BA，即A与B同时发生或同时不发生，则称A与B等价，记作A=B。 互斥：若A与B不能同时发生，则称A与B互斥，记作AB=φ 对立：若A与B互斥，且必有一个发生，则称A与B对立，记作或，又称A为B的余事件，或B为A的余事件。 任意两个事件不一定会是上述几种关系中的一种。 概率论基础（事件间的关系与运算 ） 设A，B，A1，A2，…An为一些事件，它们有下述的运算： 交：记C=“A与B同时发生”，称为事件A与B的交，C={ω|ω∈A且ω∈B}，记作或。 类似地用表示事件“n个事件A1, A2, …An同时发生”。 并：记C=“A与B中至少有一个发生”，称为事件A与B的并，C={ω|ω∈A或ω∈B}，记作。 类似地用表示事件“n个事件A1, A2, …An中至少有一个发生”。 差：记C=“A发生而B不发生”，