第三章不确定性推理.pptVIP

证据的不确定性度量 设U表示所有可能假说的集合，且U的元素两两互斥。例 U1={晴天，多云，阴，雨} U2={红，黄，蓝} U3={1, 2, 3, 4, 5, 6} 对任意集合A U，命题A表示了某些假说的集合（这样的命题不必保证互斥性） 例：故障诊断。U为所有故障的集合，诊断结果为U中某些元素构成的集合，U的子集A。即检验所获得的证据支持多种故障(故障的集合)。 概率分配函数与信任函数 m定义在U的幂集上，m(A) 表示证据对U的子集A成立的一种信任的度量。2U中各元素信任的总和为1。 比较：Bayes方法仅对U中单个元素赋予信任（概率） 命题A的信任函数的值，是A的所有子集的基本概率分配函数之和。表示对A的总信任。在单元素集上，m与Bel相等。 似然函数 表示对不否定A的信任度。是所有与A相交的子集的基本概率分配函数之和。 显然，0≤Bel(A)≤Pl(A)≤1 例：设 Ｕ= {a, b, c} 2U = {{Φ},{a},{b},{c},{a,b},{a,c},{b,c},{a,b,c}} 规定m({a})=0.4, m({a,c})=0.4, m({a,b,c})=0.2, 其余为0 举例说明 设 2U = {{Φ},{a},{b},{c},{a,b},{a,c},{b,c},{a,b,c}} 对应的m:{0, 0.4, 0, 0, 0.4, 0, 0, 0.2} 设 A={a, b} 则Bel(A) = Bel({a, b})= m({a}) + m({b}) + m({a,b})=0.8 pl(A) = 1 - Bel(?A) = 1 - Bel({c}) = 1-0 = 1 注意，m不是概率！m(A)≠1-m(?A) 信任区间 设Bel(A)和Pl(A)分别表示A的信任度和似然度，用区间 [Bel(A), Pl(A)] 表示A的不确定性 [Bel(A), Pl(A)]的特殊值： Pl(A)-Bel(A)表示了既不信任A也不信任?A的一种度量，可表示对不知道的度量 证据A的不确定性 不确定性的第二种度量 其中|A|、|U|表示集合A、U中所含元素的个数。显然， fl(Φ)=0，fl(U)=1，0≤fl(A)≤1 规则A→B的不确定性 设 U={u1, u2, …, un}, A、B为U的子集 A={a1, a2, …, al}, B={b1, b2, …, bk} 规则A→B的不确定性用(c1, c2, …, ck)来描述。要求 推理计算 1) 证据组合的不确定性 Fl(A1∧A2) = min (fl(A1), fl(A2)) Fl(A1∨A2) = max (fl(A1), fl(A2)) (5) 2) 已知：fl(A) 证据A的不确定性 A→B (c1, c2, …, ck) 规则及其不确定性 求: fl(B) 方法：先求m(B), 再求出Bel(B), Pl(B), 最后得 fl(B) 推理计算 规定 由m(U)的定义，可见对U的其它子集的m值均为0 推理计算 3) 多个规则支持同一结论 已知：fl(A1), fl(A2) A1→B (c1, c2, …, ck) A2→B (c’1, c’2, …, c’k) 求: fl(B) 推理计算 称为Dempster组合规则。要求m1、m2 提供的证据满足某种独立性条件。X、Y为U的子集 当K-1≠0，K存在。(7)式的m确定一个基本概率分配函数 当K-1＝0，认为m1、m2矛盾。没有联合基本概率分配函数 m对2U的所有元素的基本概率分配值之和为1，由此确定K。 推理计算例 例1 U={a, b, c, d}, B={a, b}, 求 Bel(B), fl(B)。其中 m1({b,c,d})=0.7 m1(U)=0.3 m2({a,b})=0.6 m2(U)=0.4 故 K=1 由式(7): m({b},{b,c,d},{a,b},U)=(0.42, 0.28, 0.18, 0.12) 推理计算例 由式 得 Pl({a,b})=1 推理计算例 例2 已知fl(A1)=0.8, fl(A2