不确定度问题研究情况综述_陈理渊.pdfVIP

第9 卷 第3 期 电路与系统学报 Vol. 9 No.3 2004 年 6 月 JOURNAL OF CIRCUITS AND SYSTEMS June ， 2004 文章编号：1007-0249 (2004) 03-0105-07 不确定度问题研究情况综述* 陈理渊， 黄进 （浙江大学电气工程学院，浙江 杭州 310027 ） 摘要：不确定度是一个度量不确定性测度函数所表示对象的不确定程度的模型，不同的不确定性理论用不同的不 确定性测度描述。很多文献针对不同对象的不同不确定性测度提出了各种不确定度模型。本文从经典 Shannon 熵和 Hartley 熵出发，对这些不确定度模型作一个综述，涉及到的不确定性理论包括概率论、模糊集合论、证据理论、可能 性理论等。 关键词：不确定度；Hartley 熵；Shannon 熵；不确定性理论；不确定性测度 中图分类号：TP18 文献标识码：A 1 引言 概率论用概率测度来描述事件（对象）的不确定性。而用概率测度这 图 1 不确定性的语 种模型来描述不确定的信源带来的信息，其不确定程度在数量上到底是一 义上分类[1] 个什么样的概念，Shannon 的信息熵的提供了一个数量上的尺度。这里称概率论为一种不确定性理论， 概率测度被称之为不确定性测度（Uncertainty Measure ），Shannon 熵就是本文将论述的不确定度 （Measure of Uncertainty ）。除了概率论，还有模糊集合论、可能性理论、证据理论等都是在很多领 域研究应用很广的不确定性理论。在这些理论中同样存在针对各种不确定性测度函数模型而言不确定 程度大小的度量问题。本文将试图从传统Shannon 熵出发，对包括概率论、模糊集、可能性理论和证 据理论等几种常见的基于数量形式测度函数的不确定性理论的不确定度的研究成果和进展情况作一个 综合介绍。 不确定性程度的度量（在本文中称为不确定度）是量度在不确定性理论中不确定性测度函数中所 表达出来的研究对象的固有的不确定程度的模型。对于各种数值形式的不确定性理论，如何通过这些 测度函数度量它们所描述对象的不确定程度是各种不确定性理论研究过程中不可避免的问题。 不确定性本身的形式很多，在不同的领域中其分类和定义也不一样。从语义上讲，基本上与 Klir 和 Yuan[1] 的分类（图 1）相差无几，即把不确定性分为模糊性（Fuzzy ）和多义性（Ambiguity ），而 [2] 多义性又可以分为非特异性（Nonspecificity ）和冲突（Conflict ）。另外一些学者 把多义性分成另两 种类型：非特异性和随机性（Randomness ），通过后面的论述将会知道随机性和冲突是处理同一种类 型的不确定性的两种解释，而多义性与模糊性的根本区别在于多义性是统计意义上的不确定性，而模 糊性是针对集合的边界而言，对应这些类型的不确定性，不同的不确定性理论所能处理的不确定性的 种类不一样。模糊集是处理模糊性的理论，概率论只涉及到事件之间的冲突；可能性理论表示出事件 的非特异性，而证据理论描述了非特异性和冲突。 在不同的理论中有不同的不确定性测度函数，而不确定性又形式多样，故而得到的不确定度模型 也是各不相同，然而，它们必须满足一些公理化的基本要求。包括Klir 等把这些要求归结为以下几条 [3-5] ： 1）次可加性（Subadditivity ）：不确定性测度的联合（笛卡尔积）的不确定度不应该大于每一个 边缘测度的不确定度的和； 2 ）可加性：当且仅当各边缘测度函数无相互作用时，联合测度的不确定度与边缘测度的不确定 度的和相等； * 收稿日期：2004-02-05 修订日期：2004-03-25 106 电路与系统学报