第5.6节 证据理论(d-s理论)新.pptVIP

第5.6节 证据理论 ——广义概率论 王庆江 计算机科学与技术系 qjwang@ 概率论的一些特点 样本空间Ω {a1, a2, a3, …, an} 所有可能的随机事件 Φ {a1}, {a2}, {a3}, …, {an} {a1,a2}, {a1,a3}, …, {a1,an}, {a2, a3}, {a2,a4}, …, {a2,an}, …, {an-1,an} {a1,a2,a3}, {a1,a2,a4}, …, {a1,a2,an}, {a2,a3,a4}, … … Ω 概率论的一些特点（续） 若Ω代表疾病类型空间，那么2Ω中的每个元素都是可能的诊断结果； 若n（n≤|2Ω|）个诊断结果缺乏依据，按无差别原理确定这n个结果的发生概率。 概率论的一些特点（续） 若对2Ω中各元素都不了解，则各元素的发生概率为 例： 2Ω＝ {家里有贼, 家里没贼}，在无任何知识情况下，有贼没贼的概率各0.5。 对2Ω中那些一点儿不了解（知道）的元素，能不能不指定概率？ 不知为不知，是知也。——孔子《论语》 剩余概率该怎么分配呢？ 分给Ω，让整个论域承受剩余概率； 这就是证据理论（Evidence theory）。 Arthur P. Dempster提出证据理论，用概率范围而不是单一概率值表示不确定度； 其学生Glenn Shafer进一步研究，1976年出版《证据的数学理论》[1]。 这套方法称作证据理论（也称D-S理论）。 5.6.1 基本概念 考虑两两互斥的元素集U U ＝ {A1, A2, A3, …, An} 例： U ＝ {三轮车，汽车，火车} U ＝ {赤，橙，黄，绿，青，蓝，紫} U ＝ {马，牛，羊，鸡，狗，兔} U ＝ {气管炎，肺炎，胃炎，肝炎} 2U是U的幂集（power set），|2U|＝2|U|； 例：U ＝{三轮车, 汽车, 火车} 则2U ＝{Φ, {三轮车}, {汽车}, {火车}, {三轮车, 汽车}, {三轮车, 火车}, {汽车, 火车}, U } 幂集的任一元素都可能是U上问题的正确答案，而只有一个元素才是正确答案。 U上哪些是能源动力车？ {汽车、火车} U上哪些是人力车？ {三轮车} U上哪些是有轨车？ {火车} 幂集的每个元素可看成命题，真命题就是答案。 永假命题； 三轮车是能源动力车； 汽车是能源动力车； 火车是能源动力车； 三轮车和汽车是能源动力车； 三轮车和火车是能源动力车； 汽车和火车是能源动力车； 三轮车、汽车和火车是能源动力车。 5.6.2 证据的不确定性 2U是U的幂集，基本概率分配函数m: 2U→[0, 1] m(Φ) = 0； A属于U且A≠U，则m(A)表示A的精确信任度； 若A=U，则m(A)表示这个概率值不知该如何分配。 U={a, b, c}，为{a}和{a, b}指定了信任度0.1和0.2，剩下的0.7不知该怎样分配给其他子集，则m(U)=0.7。 信任函数Bel（Belief） Bel：2U→[0,1] Bel(A)是A及其子集的信任总和。 Bel(Φ)=0；Bel(U)=1 Bel类似概率密度函数，比基本概率分配函数m更具全局性。 似然函数Pl（Plausibility） Pl：2U→[0,1] Pl(A)是与A的“交”不是Ф的所有集合的信任总和。 满足B∩A=Φ的B是完全不支持A的命题； 0 ≤ Bel(A) ≤ PL(A) ≤1 似然函数的示意图 信任区间f f(Bel(A), Pl(A)) 表示A的不确定性度量； Bel(A)称为A的支持度，即最低信任度； Pl(A)称为A的合情度，即最高信任度。 f(1,1)表示A为真； f(0,0)表示A为假； f(0,1)表示对A一无所知； Bel(～A)=1－Pl(A)=0，Pl(～A)=1－Bel(A)=1，即对～A也一无所知。 f(1,0)是不可能成立的。 例：拳王和散打冠军打一架，你只了解武术而不懂拳击，用证据理论怎样表示各种比赛结果的不确定性呢？ U＝{拳王胜, 散打冠军胜} 2U={Φ, {拳王胜}, {散打冠军胜}, {拳王胜, 散打冠军胜}} 例：盒子里的猫是活的吗？ 例：若食堂提供“主食”、“菜”和“汤”，你吃了什么？ 证据A不确定度的另一种表示 f1(A) ＝Bel(A) + |A|/|U|×(Pl(A) －Bel(A)) f1(Ф) ＝ 0 f1(U) ＝ 1 0 ≤ f1(A) ≤ 1 可证明：Bel(A) ≤ f1(A) ≤ Pl(A) 5.6.3 规则的不确定性 规则是两个集合之间因果关系的表达； 规则A→B，A={a1,a2,…,ak}