5章 不精确推理.pptVIP

第5章 不精确推理 5.1 概述 5.2 概率方法 5.3 主观Bayes方法 5.4 可信度方法 5.5 模糊推理 5.1 概述 5.2 概率方法 5.3 主观Bayes方法 5.4 可信度方法 5.5 模糊推理 可以看出，它实际是通常三元组（对象，属性，属性值）的细化，其中的程度一项是对前面属性值的精确刻划。事实上，这种思想和方法还可广泛用于产生式规则、谓词逻辑、框架、语义网络等多种知识表示方法中，从而扩充它们的表示范围和能力。下面我们举例。 例、 模糊规则 (患者，症状，(头疼，0.95))∧(患者，症状，(发烧，1.1))→(患者，疾病，(感冒，1.2))可解释为:如果患者有些头疼并且发高烧，则他患了重感冒。 例、 模糊谓词 (1)1.0白(雪)或白1.0(雪) 表示:雪是白的。 (2)朋友1.15(张三，李四)或1.15朋友(张三，李四) 表示:张三和李四是好朋友。 (3)x(计算机系学生(x) 1.0 努力1.2(x)) 表示:计算机系的同学学习都很努力。 例、 模糊框架 框架名:大枣 属:(干果,0.8) 形:(圆,0.7) 色:(红,1.0) 味:(甘,1.1) 用途:食用 药用: 用量:约五枚 用法:水煎服 注意：室温下半天内服完 例、 模糊语义网 理解人意 狗 食肉动物 （灵敏，1.5） 5.5.2 模糊集合与模糊逻辑 上面我们是从对象着眼，来讨论模糊性知识的表示方法的。若从概念着眼，模糊性知识中的模糊概念则可用所谓的模糊集合来表示。 1.模糊集合 定义1 设Ｕ是一个论域，Ｕ到区间［0，1］的一个映射 μ:Ｕ ［0，1］ 例、 设Ｕ＝｛0，1，2，3，4，5，6，7，8，9，10｝，则Ｕ中“大数的集合”和“小数的集合”可分别定义如下： 大数的集合＝0/0＋0/1＋0/2＋0.1/3＋0.2/4＋0.3/5＋0.5/6＋0.7/7＋0.9/8＋1/9＋1/10 小数的集合＝1/0＋1/1＋1/2＋0.8/3＋0.7/4＋0.5/5＋0.4/6＋0.2/7＋0/8＋0/9＋0/10 例、 设论域Ｕ＝［1，100］，表示人的年龄区间，则模糊概念“年轻”和“年老”可分别定义如下： 2. 模糊关系 除了有些性质概念是模糊概念外，还存在不少模糊的关系概念。如“远大于”、“基本相同”、“好朋友”等就是一些模糊关系。模糊关系也可以用模糊集合表示。下面我们就用模糊子集定义模糊关系。 定义2 集合U1，U2，…，Un的笛卡尔积集U1×U2×…×Un的一个模糊子集 ，称为U1，U2，…，Un间的一个n元模糊关系。特别地，Un的一个模糊子集称为U上的一个n元模糊关系。 例、 设U＝{1，2，3，4，5}，U上的“远大于”这个模糊关系可用模糊子集表示如下: “远大于”＝ 0.1/(1，2)＋0.4/(1，3)＋0.7/(1，4)＋1/(1，5)+0.2/(2，3)＋0.4/(2，4)＋0.7/(2，5)＋0.1/(3，4)＋0.4/(3，5)＋0.1/(4，5) 就像通常的关系可用矩阵表示一样，模糊关系也可以用矩阵来表示。例如上面的“远大于”用矩阵可表示如下： 1 2 3 4 5 0 0.1 0.4 0.7 1 0 0 0.2 0.4 0.7 0 0 0 0.1 0.4 0 0 0 0 0.1 0 0 0 0 0 3.模糊集合的运算 与普通集合一样，也可定义模糊集合的交、并、补运算。 定义3 设 是X的模糊子集， 的交集 、