主观贝叶斯方法.pdfVIP

第2章主观贝叶斯方法 /~wjluo/aai/ 中国科大计算机学院 内容 • 规则的不确定性 • 证据的不确定性 • 推理计算 主观贝叶斯方法 • R. O. Duda等人于1976年提出的一种不确定性推理模型。 – 在这个模型中，他们称推理方法为主观Bayes方法。 – 成功地应用于地矿勘探系统PROSPECTOR中。 • 在这种方法中，引入了两个数值（LS，LN）。 • IF A THEN (LS, LN) B – LS体现规则成立的充分性, – LN体现规则成立的必要性。 – 这种表示既考虑了事件A 的出现对其结果B的支持，又考 虑了A 的不出现对B的影响。 内容 • 规则的不确定性 • 证据的不确定性 • 推理计算 几率函数 • 几率函数O(X)： P (X ) O(X ) 1−P (X ) • O(X)表示证据X 的出现概率和不出现的概率之比。 • 显然O(X)是P(X)的增函数。 P X ，O X ( ) 0 ( ) 0 P(X) ＝ . ， O(X)＝ 0 5 1 P (X ) 1, O(X ) ∞ • 几率函数实际上表示了证据X 的不确定性。 规则的不确定性 • 对规则A→B的不确定性度量f(B, A) 以因子（LS， LN）来描述。 P (A | B ) P (~ A | B ) LS LN P (A |~ B ) P (~ A |~ B ) •充分性因子LS：表示A真时对B的影响，即规则成立的充分性。 •必要性因子LN：表示A假时对B的影响，即规则成立的必要性。 • 实际应用中，概率值不可能求出，所以采用的都是专家给定 的LS, LN值，而不是依LS，LN的定义来计算的。 充分性因子 P (B | A)P (A) P (~ B | A)P (A) 由P (A | B ) , P (A |~ B ) 得 P (B ) P (~ B ) P (B | A) P (A | B ) P (~ B | A) O(B | A) LS P (A |~ B ) P (B ) O(B ) P (~ B ) • 因此，LS表征的是A 的发生对B发生的影响程度。 • 若LS为无穷大，则P(~B|A)=0，即P(B|A)=1，说明 证据A对于得出B为真的逻辑是充分的。 • LS也称为充分似然性因子。