第3章基于规则的专家系统的不确定管理1.ppt

对于多个前项的规则，专家系统如何设置确定因子？ 连接规则是：if……and……and……then…… CF（H，E1∩E2∩…∩En）=min[cf(E1),cf(E2),…cf（En）]Xcf 连接规则是：if……or……or……then…… CF（H， E1 ∪ E2 ∪ …∪En ）=max[cf(E1),cf(E2),…cf（En）]Xcf 有时两个或多个规则会影响同一个假设，专家系统会如何处理？ 当执行两个或者多个规则而得到相同的结果时，每个规则的确定因子必须合并成用于一个假设的结合的确定因子。 按照常识，如果不同来源的两个证据支持同样的假设，则该假设的可信度比仅一个证据时应该增加和加强。 用一下的公式计算结合的确定因子 确定因子理论提供了一种可替代贝叶斯推理的实用方法。结合确定因子的启发式方法和在它们都是概率的情况下进行结合的方式不同。确定因子不是“纯粹数学”的方法，而是模仿人类专家思考过程的方法。 贝叶斯方法应用的专家系统——PROSPECTOR地质勘探专家系统 确定因子 ——MYCIN医疗领域的专家系统 要使用贝叶斯方法必须满足证据是有条件独立的这个约束。但是在很多情况下，无法得到可靠的统计信息，或者不可能假设证据是有条件独立的。 确定因子缺乏概率论那样的数学正确性，但在诊断领域，尤其在医疗诊断领域，它的表现要胜过贝叶斯方法，在MYCIN这样的诊断专家系统中，专家根据自己的知识和直觉判断提供规则和确定因子。确定因子适用于不知道概率或者获得概率很难，代价很高的情况。证据推理机制可以管理逐渐增加的政据以及假设的合取和析取以及可信度不同的证据，另外，确定因子的方法，可以给基于规则的专家系统的控制流提供更好的解释。 贝叶斯方法和确定因子是互不相同的，但他们有一个共同的问题：寻找一个能够量化的，主观的和定性的信息专家。 如果有可靠的统计数据，贝叶斯方法应该最合适，但贝叶斯可信度传递具有指数级的复杂度，因此对于大的知识库而言是不切实际的。 确定因子技术是专家系统中处理不确定性的一种简单方法，在很多应用的结果中可以接受。 * 3基于规则的专家系统的不确定管理 3.1 不确定性简介 3.2 基本概率论 3.3 贝叶斯推理 3.4 FORECAST：贝叶斯证据积累 3.5 贝叶斯方法的偏差 3.6 确定因子理论和证据推理 3.7 FORECAST：确定因子的应用 3.8 贝叶斯推理和确定因子的比较 3.9 小结 可提供人类专家使用的信息，其共同特点之一就是这些信息都是不完美的。这些信息可能是 不确定的，不一致的，不完整的，或者上述三种情况都有。换句话说，这种信息经常并不适于用来解决一个问题。但是专家可以处理这些缺陷，并通常能做出正确的判断和恰当的决策。所以，专家系统还必须能够处理不确定性并得出有效结论。 （1） 什么是专家系统的不确定性？ 不确定性可被定义为：缺乏使我们可以得到完美可信结论的确切知识。典型的逻辑仅允许确切的推理。它假设始终存在完善的知识，始终应用排中律： IF A is true THEN A is not false 和 IF B is false THEN B is not true 但是，大多数使用专家系统的真实世界的问题并不能提供这样清晰的知识。可用的信息经常是不确切。不完整甚至是不可测的数据。 （2）什么是专家系统中不确定知识的来源 四个主要的来源：脆弱的暗示、不精确的语言、不知道的数据、结合不同专家观点有一定难度。 脆弱的暗示：基于规则的专家系统经常遇到脆弱的暗示和模糊的关联。领域专家和工程师承担着棘手且几乎没有希望完成的任务，即要在规则的IF（条件）和 THEN （动作）部分建立具体的关系，因此，专家系统需要有处理模糊关联的能力，例如，用数值型的确定因子来描述关系的程度。 不精确的语言：自然语言是天生模糊和不精确的。我们描述事实时常用“often”（经常）、“sometimes”（有时）、“frequently”（时常）、“hardly ever”（曾经刚刚）这样的词语。因此要用产生式规则中精确的IF-THEN形式来表达知识就是非常困难的。但是这些事实的含义可以被量化，其就可以被用于专