[工学]推理3不确定性推理.pptVIP

不确定性推理 Uncertainty Reasoning 3.5.1 不确定性推理的基本问题 不确定性的表示与度量 不确定性知识的匹配 组合证据的不确定性 不确定性的传递算法 结论不确定性的合成 不确定性的表示与度量 不确定性的表示 1. 如何准确描述问题本身的不确定性？ 2. 如何便于推理过程中不确定性的计算？ 不确定性的数值表示 不确定性的匹配 推理过程是一个不断寻找和运用可用知识的过程。所谓可用知识，是指其前提条件可与已知事实相匹配的知识。 在不确定性推理中，通常基于匹配双方的相似度进行匹配。 组合证据的不确定性 知识的前提条件可以是若干简单条件连接起来构成的复合条件，称为组合证据 组合证据不确定性的常用计算方法： 1. 最大最小方法 2. 概率方法 3. 有界方法 不确定性的传递与合成 不确定性的传递： 在每一步推理中，如何把证据及知识的不确定性传递给结论？ 在多步推理中，如何把初始证据的不确定性传递给最终结论？ 结论不确定性的合成： 用不同知识进行推理得到了相同结论，但不确定性的程度不相同 3.5.2 不确定性推理方法的分类 控制方法 通过控制策略处理不确定性 模型方法 在推理一级上处理不确定性 非数值方法 数值方法 Bayes理论 例：“前提是咳嗽，结论是肺炎”的概率 一种方法是在患咳嗽的人中统计得肺炎的人数，由于患咳嗽的人很多，因此需要做大量的统计工作。 由于患肺炎的人比患咳嗽的人少很多，因此更可行的方法是在患肺炎的人中统计咳嗽的人数，然后通过Bayes公式即可确定上述知识的概率。 模糊理论 模糊性 人们在认识客观事物的过程中产生各种概念，概念反映事物的本质属性和特征，包括内涵和外延两个方面。 内涵---概念所反映的对象的特有属性，质的方面 外延---概念所反映的对象的总和，量的方面 男生，女生，教授，讲师….. 老教授，青年教师，高个子….. 概念的外延没有明确的边界，存在模糊性 模糊理论 隶属度：模糊性的度量，反映一事物属于某一模糊概念范畴的程度 μA : U → [0,1] 例如“20岁左右” 可以表示为： 0.8/18 + 0.9/19 + 1/20 + 0.9/21 + 0.8/22… 具有近似性、非线性 与随机性的区别 事物明确，状态不定----随机性 事物本身不明确---模糊性 3.5.3 可信度方法 在确定性理论的基础上，结合概率论提出的一种不确定性推理方法 E. H. Shortliffe，斯坦福大学，1975 在血液病诊断专家系统MYCIN中得到了成功应用 直观、简单且有效 什么是可信度？ 人们根据以往经验对某个事物或现象为真的程度的判断，或者说是人们对某个事物或现象为真的相信程度。 例： 沈强昨天没来上课，理由是头疼。 可信度具有较大的主观性和经验性，准确性难以把握。但由于领域专家具有丰富的专业知识及实践经验，给出该领域知识的可信度还是可行的。 C-F模型 基于可信度表示的不确定性推理基本方法。 知识不确定性的表示 IF E THEN H （ CF（H,E）） 可信度的计算 CF（H，E）= MB（H，E）- MD（H，E） 可信度的计算 MB（H，E）=(P(H/E)-P(H))/(1-P(H)) ,若P(H/E)P(H) CF(H,E)= 0 ,若P(H/E)=P(H) -MD（H，E）=-(P(H)-P(H/E))/P(H) ,若P(H/E)P(H) 可信度的性质 互斥性 同一证据，不能同时增加对H的信任程度，和对H的不信任程度 当MB（H，E）＞O时，MD（H，E）=0 当MD（H，E）＞O时，MB（H，E）=O 同一前提E支持若干个不同的结论H1,...,Hn，则∑CF（Hi，E） ≦ 1 i=1,...,n 例：如果专家给出的知识有如下情况 CF（H1,E）＝O.7， CF（H2,E）＝O.4 因O.7＋O.4=1．l＞1为非法，应进行调整或规范化。 可信度的性质 对H的信任增长度等于对非H的不信任增长度 MD(￢H,E)=(P(￢H,E)-P(￢H))/(-P(￢ H)) =((1-P(H,E)) –(1-P(H)))/(P(H) - 1)