三推理技术.ppt

§3.3 不确定性推理 ◆ 推理:从已知事实出发，通过运用相关的知识逐 步推出某个结论的过程。 ◆ 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有合理或者近乎合理的结论的思维过程。 不确定性是智能问题的本质特征，智能离不开对不确定性知识的处理。智能主要反映在求解不确定性问题的能力上。 3.3.1 概率推理　　基于概率论的不确定性推理有很多种，在这里仅讨论比较成熟的一种推理方法──主观Bayes方法。1.Bayes公式及主观Bayes方法 主观Bayes方法是最早用于处理不确定性推理的方法之一，已在地矿勘探专家系统PROSPECTOR中得到了成功的应用。 Bayes公式： 若有诸事件A1,A2,…，An，彼此独立，B为任何事件，且P(Ai)0(i=1,2,…,n)，P(B)0，那么Bayes公式可表示为： 为阐明主观Bayes方法，先引入几个概念： ?(1) 几率函数 几率函数定义为 (2) 充分性度量 充分性度量定义为 2.证据的不确定性描述　　在主观Bayes方法中，证据的不确定性也是用概率表示的。在PROSPECTOR中，由于根据观察S直接求出P(E/S)非常困难，所以它采用了一种变通的方法，即引进了可信度C(E/S)的概念，用户可根据实际情况在[-5,5]中选取一个整数作为初始证据的可信度。可信度C(E/S)与概率P(E/S)的对应关系可用下式表示： 对于组合证据 E＝E1 AND E2AND …AND En 　则： P(E/S)＝min{P(E1/S), P(E2/S), …,P(En/S)} 对于组合证据 E＝E1 OR E2 OR … OR En 则： P(E/S)＝max{P(E1/S),P(E2/S),…,P(En/S)} 3.基于主观Bayes方法的不确定性推理 　在主观Bayes方法中，知识是用产生式规则 表示的，具体形式为： IF E THEN(LS,LN) H (P(H)) 推理就由P(H)，P(E)，LS和LN求出 而一条规则的前项有可能肯定存在，也可能肯定不存在，或者不确定，而且在不同情况下求解后验概率的方法亦不相同，以下分别予以讨论。 (1)证据E确定必出现时，即P(E)=P(E/S)=1 由Bayes公式， 由以上两式可得， (2)证据E确定必不出现时，即P(E)=P(E/S) =0 采用和上述类似的方法可得 (3) 当证据E不确定时，即 3 与或图的F规则变换 F规则: L→ W 式中：L是单文字；W为与或形的唯一公式。 把形式为 L→ W 的规则应用到任一个具有叶节点n并由文字L标记的与或图上，可以得到一个新的与或图。在新的图上，节点n由一个单线连接符接到后继节点(也由L标记)，它是表示为W的一个与或图结构的根节点。　　 　　 例如，把规则S→ (X∧Y)∨Z应用到下图所示的与或图中标有S的叶节点上。 图中标记S的两个节点由一条叫做匹配弧的弧线连接起来。 我们希望在应用规则之后得到的图，既能表示原始事实，又能表示从原始事实和该规则推出的事实表达式。 事实表达式: Q(w,A)∧{[～R(v)∧～P(v)]∨～S(A,v)} 与规则S→ (X∧Y)∨Z 的消解式:　　　　X∨Z∨P∨Q ,Y∨Z∨P∨Q ,R∨X∨Z ,R∨Y∨Z 全部包含在解图所表示的子句之中。 4.作为终止条件的目标公式 　　应用F规则的目的在于从某个事实公式和某个规则集出发来证明某个目标公式。 目标文字和规则可用来对与或图添加后继节点，当一个目标文字与该图中文字节点n上的一个文字相匹配时，我们就对该图添加这个节点n的新后裔，并标记为匹配的目标文字。这个后裔叫做目标节点。 举例： 用消解反演来证明目标公式: 结论：当正向演绎系统产生一个含有以目标节点作为终止的解图时，此系统就成功地终止。 3.2.2 规则逆向演绎系统　　基于规则的逆向演绎系统，其操作过程与正向演绎系统相反，即为从目标到事实的操作过程，从then到if的推理过程。　　1.目标表达式的与或形式　　逆向演绎系统能够处理任意形式的目标表达式。首先，采用与变换事实表达式同样的过程，把目标公式化成与或形，即消去蕴涵符号，把否定符号移进括号内，对全称量词Skolem化并删去存在量词。 举例如下： 目标表达式被化成与或形：　～P(f(y))∨{Q(f(y),y)∧[～P(f(y))∨～S(y)]}式中，f(y)为一