第4章-不确定性知识的表示与推理技术.pptxVIP

第4章 不确定性知识的表示与推理技术引言内容4.1 不确定性知识表示与推理概述4.2 确定性理论4.3 主观贝叶斯方法4.4 证据理论（选学）4.5 基于贝叶斯网络的推理4.6 模糊推理4.7 不确定性推理的应用4.1不确定性知识表示与推理概述一般的（确定性）推理过程：运用已有的知识由已知事实推出结论.如已知:事实 A，B知识 A?B?C可以推出结论C。 此时，只要求事实与知识的前件进行匹配。问题：如果A可能为真，B比较真，知识A?B?C只在一定程度上为真，结论如何？4.1不确定性知识表示与推理概述通过几个例子认识不确定性：今天有可能下雨如果乌云密布并且电闪雷鸣，则很可能要下暴雨。小王是高个子“秃子悖论”4.1不确定性知识表示与推理概述4.1.1 不确定性及其类型4.1.2 不确定性推理概述4.1.1 不确定性及其类型(1)不确定性： 知识和信息中含有的不肯定、不可靠、不准确、不精确、不严格、不严密、不完全甚至不一致的成分。按性质分类：随机不确定性模糊不确定性不完全性不一致性4.1.1 不确定性及其类型(2)随机不确定性 随机不确定性是基于概率的一种衡量，即已知一个事件发生有多个可能的结果。虽然在该事件发生之前，无法确定哪个结果会出现，但是，可以预先知道每个结果发生的可能性。例如： “这场球赛甲队可能取胜”“如果头疼发烧，则大概是患了感冒。”2.模糊不确定性 模糊不确定性就是一个命题中所出现的某些言词其涵义不够确切，从概念角度讲，就是其代表的概念的内涵没有硬性的标准或条件，其外延没有硬性的边界。例如：“小王是高个子。”“张三和李四是好朋友。”把涵义不确切的言词所代表的概念称为软概念。4.1.1 不确定性及其类型(3)3.不完全性 对某事物了解得不完全或认识不够完整。 如，刑侦过程的某些阶段往往要针对不完全的证据进 行推理。4.不一致性 随着时间或空间的推移，得到了前后不相容或不一致的结论。 如，人们对太空的认识等。4.1.2 不确定性推理（1）1.不确定性推理方法的分类通过识别领域内引起不确定性的某些特征及相应的控制策略来限制或减少确定性对系统产生的影响。控制方法非数值方法模型方法模糊推理纯概率贝叶斯网络数值方法可信度方法基于概率证据理论主观Bayes4.1.2 不确定性推理概述（2）2.不确定性推理需要解决的问题1）不确定性的表示与度量证据的不确定性规则（知识）的不确定性结论的不确定性2）不确定性的匹配算法3）不确定性的计算与传播组合证据的不确定性计算(最大最小方法、概率方法、有界方法)证据和知识的不确定性的传递不同证据支持同一结论时其不确定性的合成因此，不确定性推理的一般模式也可以简单地表示为： 不确定性推理=符号推演+不确定性计算4.2确定性理论4.2.1 知识的不确定性表示4.2.2 证据的不确定性表示4.2.3 不确定性的传播与计算4.2.4 确定性理论的特点及进一步发展 4.2.1知识的不确定性表示（1）不确定性度量知识的不确定性表示： if E then H (CF(H, E)) CF(H,E)：是该条知识的可信度，称为可信度因子或规则强度，它指出当前提条件 E 所对应的证据为真时，它对结论为真的支持程度。如： “如果头疼且流鼻涕，则患了感冒；(0.7)。”“如果乌云密布并且电闪雷鸣，则很可能要下暴雨。 (0.9)”4.2.1知识的不确定性表示（2）在CF模型中，CF的定义为 CF(H,E)=MB(H,E) - MD(H,E) 用P(H) 表示H的先验概率； P(H/E) 表示在前提条件E对应的证据出现的情况下，结论H的条件概率。 MB（Measure Belief）：称为信任增长度，它表示因与前提条件 E 匹配的证据的出现，使结论H为真的信任增长度。 MB定义为： 4.2.1知识的不确定性表示（3） MD（Measure Disbelief）：称为不信任增长度，它表示因与前提条件E匹配的证据的出现，使结论H为真的不信任增长度。MD定义为： 4.2.1知识的不确定性表示（4）由MB、MD得到CF(H,E)的计算公式： 4.2.1知识的不确定性表示（5）CF公式的意义当MB（H，E）0时， MD（H，E）＝0 ，CF（H，E）0,表示由于证据E的出现增加了对H的信任程度。 当MD（H，E）0时， MB（H，E）＝0， CF（H，E）0,表示由于证据E的出现增加对H的不信任程度。注意：对于同一个E，不可能既增加对H的信任程度又增加对H的不信任程度。4.2.1知识的不确定性表示（6）当已知P(H)， P(H/E)，运用上述公式可以求CF(H/E)。但是，在实际应用中， P(H)和P(H/E) 的值是难以获得的。因此，CF(H,E) 的值要求领域专家直接给出。其原则是：若由于相