人工智能第一次.docVIP

实验一 主观BAYES方法不确定性推理 1 实验内容 用主观BAYES方法的理论依据进行不确定性推理。并画出相应曲线。 2 实验原理： 知识不确定性的表示： 在主观BAYES方法中，知识是用产生式规则表示的，具体形式如下： IF E THEN (LS,LN) H(P(H)); 其中，E是知识的前提条件，既可以为简单条件也可以为复合条件。 P(H)是结论的先验概率，有专家给出。 LS为充分性量度，用于指出E对H的支持程度，范围是[0,无穷] LS=P(E/H)/P(E/~H) LN为必要性量度，指出~E对H的支持程度，范围是[0,无穷] LN=P(~E/H)/P(~E/~H) LS,LN值由专家给出，代表知识的静态强度。 证据不确定性的表示： 由用户根据观察给出P(E/S)，即动态强度。 根据证据E的条件概率P(E/S),LS,LN的值把H的先验概率转化为后验概率P(H/S)。 分以下三种情况： 证据肯定存在时：P(E/S)=1; 证据肯定不存在时：P(E/S)=0; 证据不确定：0P(E/S)1 有公式：P(H/E)=LS*P(H)/[(LS-1)*P(H)+1] a P(H/~E)=LN*P(H)/[(LN-1)*P(H)+1] b 于是得到公式： 0P(E/S)P(E) P(H/S)=P(H/~E)+(P(H)-P(H/~E))/P(E)*P(E/S) c P(E)P(E/S)1 P(H/S)=P(H)+(P(H/E)-P(H))/(1-P(E))*(P(E/S)-P(E)) d 3实验分析： 采用MATLAB程序进行实现画图的。 首先确定已知的量，由于P(H),LS,LN,P(E)为已知给出的量。 P(E/S)为变化的量，有公式a,b可以由LS,LN,P(H)算出P(H/~E)，P(H/E). 然后c,d中的量都已经知道，运用MATLAB里的画图命令PLOT(); 进行简单的编程以后即可以画出P(H/S)在不同P(E/S)条件下的值。 4实验代码如下： syms LN LS PH PE PES open; open=1; while open LN=input(please input LN value:); LS=input(please input LS value:); PH=input(please input P(H) value:); PE=input(please input P(E) value:); PHE=(LS*PH)/((LS-1)*PH+1); PHNE=(LN*PH)/((LN-1)*PH+1); PES=input(please input P(E/S) value); if PES==1 PHS=PHE; else if PES==0 PHS=PHNE; else if PES==PE PHS=PH; else if PES=0 PES=PE PHS=PHNE+(PH-PHNE)/PE*PES; else if PES=1 PES=PE PHS=PH+(PHE-PH)/(1-PE)*(PES-PE); end end end end end z=[0,PHNE,PES,PHS,1,PHE]; x=z(1:2:5); y=z(2:2:6); plot(x,y,-); title(主观贝叶斯法); text(PE,0,P(E)); xlabel(P(E/S)); ylabel(P(H/S)); open=input(please select 0 or 1 to continue.0 exit;1 continue:); end 5实验运行结果截屏如下： 实验小结： 通过本次实验，对于主观BAYES方法不确定推理的过程更加熟悉了解，对于方法中在采用不同的LS,LN的值时图像的变化也能够很好的分析。掌握了简单的编程。收获很大。 人工智能第一次实验