人工智能6第六章不确定性推理.ppt

* * Vague集的图示 U μ 1 0 Vague集说明 1-fA tA 第五章 不确定性推理 5.11基于vague集的模糊推理 * * Vague集间的相似性方向 为了更好地实现基于vague集的双向模糊推理，需要分析两个相似的vague集中哪个的信息更加精确。因此，我们提出了vague集间的相似性方向的概念。 相似性方向描述两个相似的Vague集所包含的信息的精确性差别 对于两个Vague集A和B，它们的相似性方向定义为如果关于A的信息的精确性高于关于B的信息的精确性，称Ａ正向相似于B,否则，则称A负向相似于B。 第五章 不确定性推理 5.11基于vague集的模糊推理 * * Vague集间相似性方向的判断 假定A，B是两个vague集，它们的相似性方向可用如下的D函数来判断： 其中，D(A，B)为相似方向判断函数，若D(A，B)≥0，则A正向相似于B，若D(A，B)＜0，则A负向相似于B。 第五章 不确定性推理 5.11基于vague集的模糊推理 * * Vague集间相似性方向举例 假定有如下三个Vague集A，B，C： A =[0.5，0.8]/u1+[0.6，0.9]/u2+[0.7，0.9]/u3 B =[0.4，0.7]/u1+[0.5，0.8]/u2+[0.6，0.9]/u3 C =[0.3，0.6]/u1+[0.4，0.7]/u2+[0.5，0.9]/u3 有D（A，B）=0.08，D（C，B）= -0.08，即A正向相似于B，C则负向相似于B。这表明A的信息的精确性高于B的信息的精确性，而C的信息的精确性低于B的信息的精确性。 第五章 不确定性推理 5.11基于vague集的模糊推理 * * 相似性方向判定函数的性质 D（A，B）∈[-1，1] D（A，B）= - D（B，A） 第五章 不确定性推理 5.11基于vague集的模糊推理 * * 基于vague集的正向模糊推理 规 则1 : IF x is A1 THEN y is B1 规 则2 : IF x is A2 THEN y is B2 ┇ 规 则n : IF x is An THEN y is Bn 事 实 ： x is A* 结 论 ： y is B* 其中，A1,…An和A*是论域U上的Vague集, B1,…Bn和B* 是论域V上的Vague集 第五章 不确定性推理 5.11基于vague集的模糊推理 * * 基于vague集的正向模糊推理过程 正向模糊推理过程由两部分完成。首先要设定一个规则启动阈值α ，当向系统输入事实时，则系统对整个规则库进行搜索，找出输入事实与规则前件的匹配程度大于或等于阈值α的所有规则，然后用这些规则逐一进行推理而得到每条规则的推理结果B*i 1≤i≤n，然后再对所有的推理结果做合成运算，从而得到最终的推理结果B* 第五章 不确定性推理 5.11基于vague集的模糊推理 * * 基于vague集的正向模糊推理步骤（一） 由第i条规则和输入事实推出结果B*i的过程可按如下步骤进行： 1. 若A*=很Ai时，则推理结果B*i的各分量可由下式得到： 第五章 不确定性推理 5.11基于vague集的模糊推理 * * 基于vague集的正向模糊推理步骤（二） 2. 若A*=或多或少Ai时，则推理结果B*i的各分量可由下式得到： 若输入事实没有用模糊量词与规则前件来表示的话，则继续下面的步骤： 第五章 不确定性推理 5.11基于vague集的模糊推理 * * 基于vague集的正向模糊推理步骤（三） 3. 匹配规则，计算相似程度T（A*，Ai），令T（A*，Ai）= Ti，如果Ti≥α ，则进行下面的步骤，否则放弃该条规则。 4. 判断A*到Ai的相似性方向，计算相似性方向D（A*，Ai），令D（A*，Ai）= Di 5. 推理结果B*i的各分量可由下式得到： 第五章 不确定性推理 5.11基于vagu