第四章不他确定性推理.pptVIP

第四章 不确定性推理 本章内容 4.1 不确定性推理中的基本问题 要实现对不确定性知识的处理，必须要解决不确定知识的表示问题，不确定信息的计算问题，以及不确定性表示和计算的语义解释问题。 4.2 不确定性推理方法分类 4.2 不确定性推理方法分类 4.2 不确定性推理方法分类 4.2 不确定性推理方法分类 4.3 概率方法 4.3 概率方法 4.3 概率方法 如果用产生式规则 IF E THEN Hi i ＝1, 2, , n 其中前提条件E 代替Bayes公式中B，用Hi 代替公式中的Ai 就可得到 i＝1,2, ,n (4.3.2) 这就是说，当已知结论Hi 的先验概率，并且已知结论Hi(i=1,2,…） 成立时前提条件E 所对应的证据出现的条件概率P(E|Hi)，就可以用上 式求出相应证据出现时结论Hi 的条件概率P(Hi|E)。 4.3 概率方法 4.3 概率方法 4.3 概率方法 4.3 概率方法 对于有多个证据 和多个结论 并且每个证据都以一定程度支持结论的情况，上面的 式子可进一步扩充为 (4.3.3) 例 已知： 4.3 概率方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 4.4 主观Bayes方法 解： 依R1，P1（B）＝0.03 O（B1）＝0.03/(1-0.03)=0.030927 O(B1|A1)=LS×O(B1)=20×0.030927=0.61855 P(B1|A1)= 0.61855/(1+0.61855)=0.382 使用规则R1后，B1的概率从0.03上升到0.382 4.4 主观Bayes方法 依R2：O(B1|A1A2)=300×O(B1|A1)=185.565 P(B1|A1A2)= 185.565/(1+185.565)=0.99464 使用规则R2后，B1的概率从0.382上升到0.99464 4.4 主观Bayes方法 解： 由于B1不确定，所以讨论其前项证据的影响，用插值法。 1）当A必然发生时，依R1，P（B1）＝0.03 O（B1）＝0.03/(1-0.03)=0.030927 O(B1|A1)=LS×O(B1)=20×0.030927=0.61855 P(B1|A1)= 0.61855/(1+0.61855)=0.382 2）当P(B1|A1)= 1时， P(B2|B1) = P(B2|A) = LS*P(B2)/（(LS-1）*P(B2)+1) = 0.75188 3）A对B1没影响， P(B1|A1)= P(B1)= 0.03时，由已知P(B2)=0.01 最后进行插值：P(B1|A) P(B1), P(B2|A) = 0.01 + (0.75188-0.01)(1-0.03)/(0.382-0.03) = 0.3 4.4 主观Bayes方法 4.4 主观Bayes方法 4.5 可信度方法 4.5 可信度方法 4.5 可信度方法 4.5 可信度方法 4.5 可信度方法 4.5 可信度方法 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论 4.6 证据理论