矿大人工智能第五章不确定性推理.ppt

* * 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vague集的模糊推理 * * 基于vague集的正向模糊推理步骤（四） 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（五） 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（六） 最后的推理结果可由如下的合成运算得到： B*= …∪B*i∪…∪B*j∪…∪B*k… 其中，1≤ijk≤n, 设下标集为I,由“∪”运算规则的性质，我们有： tB* ( vj ) = max(t B i ( vj ) i∈I) fB* ( vj ) = min(f B i ( vj ) i∈I) 从而得到最后的推理结果：B* = ∑(tB*(vj),1- fB*(vj))/vj 1≤j≤m 第五章 不确定性推理 5.11基于vague集的模糊推理 * * 基于vague集的逆向模糊推理 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 ： y is B* 结论： x is A* 同样，其中A1,A2┅An和A*是论域U上的vague集, B1,B2┅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集的逆向模糊推理过程 类似于正向推理，逆向模糊推理