不确定理论及应用课件.ppt

不确定理论及应用 不确定性分类 不确定理论应用领域 不确定统计 (Uncertain Statistics)不确定规划 (Uncertain Programming)不确定逻辑 (Uncertain Logic)不确定分析 (Uncertain Calculus) 不确定推理 (Uncertain Inference) 不确定过程(Uncertain Process) 不确定模拟(Uncertainty Simulation) 不确定理论与不确定规划 不确定理论与不确定规划 概率测度，可信性测度，机会测度 概率测度模型用来处理随机现象。可信性测度模型用来处理模糊现象。混合模型用来研究模糊性和随机性共存的系统。 对不确定性的研究趋势 Evidence and Possibility Theories Set Notation and Basic Relations Complementary Measures A1 A2 A3 Nested Sets: * * Probabilistic Sufficient data Non - Probabilistic Insufficient (scarce) data Uncertainty Quantification Fuzzy Sets Interval Analysis Possibility Evidence Theories Evidence Theory Possibility Theory Probability Theory Uncertainty Theories Basics of Evidence Theory 1、证据理论的名称 ? 证据理论(Evidence Theory) ? Dempster-Shafer理论 ? Dempster-Shafer证据理论 ? DS (或D-S)理论 其它叫法： ? Dempster规则 ? Dempster合成规则 ? Dempster证据合成规则 2、证据理论的诞生和形成 ? 诞生：源于20世纪60年代美国哈佛大学数学家A. P. Dempster在利用上、下限概率来解决多值映射问题方面的研究工作。自1967年起连续发表了一系列论文，标志着证据理论的正式诞生。 ? 形成：Dempster的学生G. Shafer对证据理论做了进一步的发展，引入信任函数概念，形成了一套基于“证据”和“组合”来处理不确定性推理问题的数学方法，并于1976年出版了《证据的数学理论》(A Mathematical Theory of Evidence)，这标志着证据理论正式成为一种处理不确定性问题的完整理论。 3、证据理论的核心、优点及适用领域 ? 核心：Dempster合成规则，这是Dempster在研究统计问题时首先提出的，随后Shafer把它推广到更为一般的情形。 ? 优点：由于在证据理论中需要的先验数据比概率推理理论中的更为直观、更容易获得，再加上Dempster合成公式可以综合不同专家或数据源的知识或数据，这使得证据理论在专家系统、信息融合等领域中得到了广泛应用。 ? 适用领域：信息融合、专家系统、情报分析、法律案件分析、多属性决策分析，等等。 4、证据理论的局限性 ?要求证据必须是独立的，而这有时不易满足 ?证据合成规则没有非常坚固的理论支持，其合理性和有效性还存在较大的争议 ?计算上存在着潜在的指数爆炸问题 5、证据理论的发展概况 ? “Zadeh悖论”：对证据理论的合成公式的合理性进行质疑。 ? 例子：利用Dempster证据合成规则对两个目击证人（W1, W2）判断某宗“谋杀案” 的三个犯罪嫌疑人（Peter, Paul, Mary）中究竟谁是真正的凶手，得到的结果（认定Paul是凶手）却违背了人的常识推理结果，Zadeh认为这样的结果无法接受。 0.00 0.99 0.00 Mary 1.00 0.01 0.01 Paul 0.00 0.00 0.99 Peter m12() m2() m1() ? 专家系统MYCIN的主要开发者之一Shortliffe：对证据理论的理论模型解释和算法实现进行了研究。 ? AI专家Dubois Prade ：指出证据理论中的信任函数（Belief function）是一种模糊测度，以集合论的观点研究证据的并、交、补和包含等问题。 ? Smets等人：将信任函数推广到识别框架的所有模糊子集上，提出Pignistic概率和可传递信度模型（TBM）。