第4章不确定与非单调推理.PDFVIP

4章不确定与非单调推理 l 本章主要内容 有关不确定性推理的基本概念 一些不确定与非单调推理的方法 概率方法 主观Bayes方法 可信度方法（确定性理论） 证据理论 模糊推理 非单调推理 基本概念 l什么是不确定性推理 知识的不确定性 事实 （证据的不确定性） 客观不确定性，主观不确定性 推出的结论也是不确定的 不确定性推理是一种从 确定的初始证据出发， 通过运用不确定性知识，最终推出具有一定程 度的 确定性但却又是合理或基本合理的结论 的思维过程。 l为什么需要不确定性推理 所需知识不完备，不精确 所需知识描述模糊 多种原因导致同一结论 问题的背景知识不足 解题方案不唯一 l不确定性推理中的基本问题 表示问题 采用什么方式表示和度量不确定性 知识的不确定性：AB f(B, A) 静态强度，一般由专家给出 证据的不确定性：A C(A) 动态强度 初始证据的不确定性，由专家给出；推理过 中产生的证据，由推理算法计算得出。 计算问题 不确定性的传播和更新– 获得新的信息的过程。 C(A) AB f(B, A) ，如何计算C(B)? A 的度量C 1(A) 已知，又得到C2(A) ，如何确定C(A) ？ C(A1A2) ，C(A1A2)如何由C(A 1)和C(A2)来计算？ 如何度量证据A’与A 的相似度？ nC(A1A2) ，C(A1A2)如何由C(A 1)和C(A2)来 计算？- 组合证据不确定性的算法 提出了一系列的算法。常用的： （1）最大最小方法 C(A1A2)=min {C(A 1)，C(A2)} C(A1A2)=max {C(A 1)，C(A2)} （2 ）概率方法 C(A1A2)=C(A 1) C(A2) C(A1A2)=C(A 1)+C(A2)C(A 1) C(A2) n如何度量证据A’与A 的相似度？ 定义相似度度量，或者是距离度量，当A’与A 之间的相似度利高于一定的门限值，或者距离 低于一定的门限值，则认为相似，否则认为不 相似。 如(x ,…x ) ，(y ,…y ) 1 n 1 n 距离度量： 语义问题 表达和计算的含义是什么？ C(A) – A为真的 度。 f(B, A) – A为真时对B为真的一种影响 度。 对f(B, A) ： (1) A为真，则B为真，此时f(B, A)=? (2) A为真，则B为假，此时f(B, A)=? (3)A对B没有影响时，此时f(B, A)=? 对C(A) ： (1) A为真时，C(A)=? (2) A为假时，C(A)=? (3) 对A不知道时，C(A)=? l不确定性推理方法的分类 模型方法（形式化方法） 证据及知识用某种方法表示不确定性 推理时对不确定性进行计算 概率 模糊集合 粗糙集 非模型方法（非形式化方法） 在控制策略上进行处理– 启发式方法。 不确定性推理的概率论基础 • 随机现象 • 样本空间 • 随机事件– 样本空间的子集 • 随机事件之间的包含，并，交，差， （补集） • 事件的概率(古典概率，统计概率) 概率论 • 关于概率的一些公式（性质，p126 ） • 条件概率公式 • Beyes公式 P( A ) P( B / A ) P( A / B ) i i i P( B )