人工智能导论课件第4章不确定性推理方法导论幻灯片.pptVIP

* 4.4.4 模糊关系与模糊关系的合成 2.模糊关系的合成 例8 设模糊集合 * 4.4.4 模糊关系与模糊关系的合成 2. 模糊关系的合成 解： * 4.4.5 模糊推理 1. 模糊知识表示 人类思维判断的基本形式： 如果 （条件） → 则 （结论） 例如：如果 压力较高且温度在慢慢上升 则 阀门略开 模糊规则：从条件论域到结论论域的模糊关系矩阵 R。通过条件模糊向量与模糊关系 R 的合成进行模糊推理，得到结论的模糊向量，然后采用“清晰化”方法将模糊结论转换为精确量。 * 4.4.5 模糊推理 2. 对 IF A THEN B 类型的模糊规则的推理 若已知输入为 A，则输出为 B ；若现在已知输入为 ，则输出 用合成规则求取 其中模糊关系R: 控制规则库的N 条规则有N 个模糊关系： 对于整个系统的全部控制规则所对应的模糊关系R： * 4.4.5 模糊推理 2. 对 IF A THEN B 类型的模糊规则的推理 例9 已知输入的模糊集合A和输出的模糊集合B： 前面已经求得模糊关系为： * 4.4.5 模糊推理 2. 对 IF A THEN B 类型的模糊规则的推理 则： 当输入： * 例如，得到模糊向量： 取结论： U＝5。 4.4.6 模糊决策 “模糊决策”(“模糊判决”、“解模糊”或“清晰化”）：由模糊推理得到的结论或者操作是一个模糊向量，转化为确定值的过程。 1. 最大隶属度法 例如，得到模糊向量： 取结论： * 2. 加权平均判决法 4.4.6 模糊决策 例如 则 * 4.4.6 模糊决策 3. 中位数法 例如 * 4.4.6 模糊决策 3. 中位数法 例如 用线性插值处理，即 所以 * 4.4.7 模糊推理的应用 例4.10 设有模糊控制规则： “如果温度低，则将风门开大”。设温度和风门开度的论域为{1，2，3，4，5}。 “温度低”和“风门大”的模糊量： “温度低”=1/1+0.6/2+0.3/3+0.0/4+0/5 “风门大” =0/1+0.0/2+0.3/3+0.6/4+1/5 已知事实“温度较低”，可以表示为 “温度较低”=0.8/1+1/2+0.6/3+0.3/4+0/5 试用模糊推理确定风门开度。 * 4.4.7 模糊推理的应用 解：（1）确定模糊关系 R * 4.4.7 模糊推理的应用 解： （2）模糊推理 =(0.0，0.0，0.3，0.6，0.8) （3）模糊决策 用最大隶属度法进行决策得风门开度为5。 用加权平均判决法和中位数法进行决策得风门开度为4。 ú ú ú ú ú ú ? ù ê ê ê ê ê ê ? é ú ú ú ú ú ú ? ù ê ê ê ê ê ê ? é = ￠ = ￠ 0 . 0 0 . 0 0 . 0 0 . 0 0 . 0 0 . 0 0 . 0 0 . 0 0 . 0 0 . 0 3 . 0 3 . 0 3 . 0 0 . 0 0 . 0 6 . 0 6 . 0 3 . 0 0 . 0 0 . 0 0 . 1 6 . 0 3 . 0 0 . 0 0 . 0 0 . 0 3 . 0 6 . 0 0 . 1 8 . 0 o o T R A B * THE END Introduction of Artificial Intelligence * * * 几点说明： （1）设样本空间D中有n个元素，则D中子集的个数为 个。 ： D的所有子集。 （2）概率分配函数：把D的任意一个子集A都映射为[0，1]上的一个数M（A）。 ， 时，M（A）：对相应命题A的精确信任度。 （3）概率分配函数与概率不同。 4.5.1 概率分配函数 例如，设 A={红}， M（A）=0.3：命题“x是红色”的信任度是0.3。 4.3.1 概率分配函数 设 D={红，黄，蓝} M（{红}）=0.3， M（{黄}）=0， M（{蓝}）=0.1， M（{红，黄}）=0.2，M（{红，蓝}）=0.2， M（{黄，蓝}）=0.1，M（{红，黄，蓝}）=0.1，M（Φ）=0 但：M（{红}）+ M（{黄}）+ M（{蓝}）=0.4 设 D={红，黄，蓝} 则其子集个